申请/专利权人：贵州智诚科技有限公司

申请日：2023-11-23

公开（公告）日：2024-04-02

公开（公告）号：CN117809290A

主分类号：G06V20/59

分类号：G06V20/59;G06V10/774;G08B21/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于样本不均衡的危险驾驶行为识别方法，包括以下步骤：1对采集的少样本类别数据进行数据增强处理；2对数据增强处理的少样本类别数据进行过采样处理；3采用EfficientNet‑B0作为基线模型，使用交叉熵损失函数WCE作为基线损失函数对少样本类别数据进行权重均衡；4对交叉熵损失函数WCE通过L2范数进行正则化处理；5在EfficientNet‑B0基线模型添加卷积注意力模块CBAM。本发明提出了过采样正则策略模型来实现样本不平衡条件下的危险驾驶行为识别模型的优化设计，大大提高了危险驾驶行为的检出率和准确率，适用于模型规模严格受限、数据不平衡现象不是很显著的图像识别场景。

主权项：1.一种基于样本不均衡的危险驾驶行为识别方法，其特征在于：包括以下步骤，1对采集的少样本类别数据进行数据增强处理，包括几何变换和像素变换，其中的几何变换包括镜像、旋转、缩放、裁剪和平移，像素变换包括亮度、对比度、锐度和模糊；2对数据增强处理的少样本类别数据进行过采样处理，具体方法是：建立两种列表，分别是存储n个类别的列表和存储n个类别所对应的样本列表，其中：类别的列表为：Lclass＝[c1，c2，...，cn]，cn代表第n个类别；样本的列表为：代表的是第i个类别的样本列表，其中i＝1,2,…,n，m代表该类别中有m个样本；3采用EfficientNet-B0作为基线模型，使用交叉熵损失函数WCE作为基线损失函数对少样本类别数据进行权重均衡： 其中M：代表类别的数量，yic：代表真实标签0，1，如果样本i的真是类别为c取1，否则取0；n：代表样本数量；pic：代表观测样本i属于类别c的预测概率，wc为类别c的类别权重；4对交叉熵损失函数WCE通过L2范数进行正则化处理，正则化以后的交叉熵损失函数WCE记为NWCE，NWCE＝WCE+L25在EfficientNet-B0基线模型添加能同时考虑通道信息和空间信息的卷积注意力模块CBAM。

全文数据：

权利要求：

百度查询： 贵州智诚科技有限公司 一种基于样本不均衡的危险驾驶行为识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD