摘要
TextChanged>我们开展了一项关于基于眼睛的驾驶员疲劳检测注意机制的全面实证研究，评估了13种模型变体的准确性、校准能力、跨数据集泛化能力以及在FPGA边缘设备上的部署性能。我们提出了引导式双注意力单元（Guided Dual-Attention Unit，GDAU），该单元将位置感知的空间注意力与SE通道注意力相结合。数据流程首先将整个不平衡的数据集（103,803张图片，比例为5.9:1）划分为分层化的训练集/验证集/测试集；然后仅对训练集应用欠采样处理。在自然不平衡的测试集上，没有任何一种注意力机制在相同的底层模型上表现出显著优于其他机制的性能：通道注意力获得了最高的原始准确率（83.86%），而CBAM-L则实现了最高的平衡准确率（86.77%）和ROC AUC（0.927）。GDAN在仅有219万个参数的情况下达到了82.83%的准确率（85.99%的平衡准确率），这一参数数量仅为基线模型429万个参数的一半。组件消融实验证实了空间注意力与通道注意力的互补性（平衡准确率相比基线提高了2.37%）。没有一种模型在所有校准指标上都占据主导地位。所有架构在跨数据集迁移测试中的表现都很差（准确率在48%到57%之间，接近随机水平）。在Xilinx Kria KV260物理平台上，使用DPU加速的推理时间约为0.481至1.116毫秒（帧率在896至2077帧/秒之间），这证明了实时边缘部署的可行性。
