Research on target detection method of distracted driving behavior based on improved YOLOv8

要約

ディープラーニング技術の発展に伴い、漫然運転行動の検出と分類にはより高い精度が求められている。既存のディープラーニングに基づく手法は、計算量が多く、パラメータが冗長であるため、実用的なアプリケーションにおける効率と精度が制限されている。この問題を解決するために、本研究では、BoTNetモジュール、GAM注意メカニズム、EIoU損失関数を統合することで、オリジナルのYOLOv8モデルに基づく改良型YOLOv8検出手法を提案する。特徴抽出とマルチスケール特徴融合戦略を最適化することで、学習と推論プロセスが簡素化され、検出精度と効率が大幅に改善された。実験の結果、改良されたモデルは検出速度と精度の両方において良好な性能を示し、99.4%の精度を達成した。また、モデルは小型で導入が容易であり、リアルタイムで漫然運転行動を識別・分類し、タイムリーな警告を提供し、運転の安全性を高めることができる。

要約(オリジナル)

With the development of deep learning technology, the detection and classification of distracted driving behaviour requires higher accuracy. Existing deep learning-based methods are computationally intensive and parameter redundant, limiting the efficiency and accuracy in practical applications. To solve this problem, this study proposes an improved YOLOv8 detection method based on the original YOLOv8 model by integrating the BoTNet module, GAM attention mechanism and EIoU loss function. By optimising the feature extraction and multi-scale feature fusion strategies, the training and inference processes are simplified, and the detection accuracy and efficiency are significantly improved. Experimental results show that the improved model performs well in both detection speed and accuracy, with an accuracy rate of 99.4%, and the model is smaller and easy to deploy, which is able to identify and classify distracted driving behaviours in real time, provide timely warnings, and enhance driving safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL