一种基于改进ResNet的疲劳检测方法

为了避免因疲劳驾驶导致的交通事故的发生,该文提出一种基于改进ResNet网络的疲劳检测方法。通过在残差模块中引入深度卷积,对标准化方法进行优化并引入平均池化和注意机制,有效提升了模型对脑电信号全局信息的捕捉能力。通过SEED-VIG的功率谱特征和微分熵特征数据集、多熵融合疲劳检测数据集和SPIS静息状态数据集对该文模型进行验证。实验结果表明,该文模型在各数据集上的平均准确率达到97.4%,较原ResNet网络提升17.9%。此模型对疲劳检测十分有效,可在一定程度上降低交通事故发生率。