基于BFDS改进的YOLOv8疲劳驾驶检测算法

扫码查看

原文链接

万方数据
维普

中文摘要：近年来随着国内私家车保有量的逐年增多,我国的交通事故的发生率也是逐年升高,其中由于司机的疲劳驾驶导致的交通事故占比最多,针对司机在开车中的驾驶安全问题,提出了一种疲劳检测算法BFDS-YOLO,融合了DCNv2 与BiFPN,并引入了视觉通道注意力机制,以提高疲劳检测的效率.引入了Yolov8n-DCNv2、YOLOv8n-BF等变种模型,通过详细实验比较它们的性能.提出的BFDS-YOLO模型对主干网络和颈部网络进行了改进,将DCNv2 与BiFPN结合,并引入了视觉通道注意力机制.实验结果表明,BFDS-YOLO相较于其他模型在多个性能指标上均有显著提升,提出的算法在疲劳检测任务中具有广泛的应用前景.

作者：

郑凯东、舒心

展开 >

作者单位：

西安石油大学陕西西安 710065

关键词：

深度学习疲劳检测可变形卷积视觉通道注意力机制加权双向特征金字塔网络

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.02.048

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(2)

参考文献量13