基于局部和全局知识蒸馏的危险驾驶行为检测

摘要

为提高道路安全，预防交通事故，提出一种基于局部与全局知识蒸馏(local and global knowledge distillation, LGD)的危险驾驶行为检测算法。在知识蒸馏框架基础上，引入融合局部特征与全局特征的蒸馏损失函数，引导学生网络高效学习教师模型判别能力。这一方法有效促进学生网络的学习，使其能够在保持参数减少时，达到与教师网络相当的检测准确率。试验结果显示，本方法在仅包含31.85 M参数大小的模型下，实现91.79%准确率，表明该方法在处理分心驾驶检测问题上的有效性。

关键词

知识蒸馏 / 学生网络 / 分心驾驶检测