• 修改驾驶员意图识别的代码，阅读驾驶员意图识别的论文。
• 阅读局部软划分的相关论文，根据代码和论文对比思考其差异和意义。

全局+局部（使用Spatial diversity loss划分，使用全局与局部关系模块）：
Epoch 44, duration: 142 s, loss: 0.0183, acc: 99.3458,/n
Accuracy of the network on the test images: 95.628 %

全局+局部（使用 熵loss划分，使用全局与局部关系模块）：
poch 43, duration: 180 s, loss: 0.0224, acc: 99.3534,/
nAccuracy of the network on the test images: 95.559 %Ep
och 44, duration: 182 s, loss: 0.0229, acc: 99.3688,/n
Accuracy of the network on the test images: 95.420 %

问题分析

• 通过计算离散随机变量的熵来设计损失函数
  通过打印和显示二值化图片的方式观察权重张量，该方法会在一支上占权重较多，其余支特别小。
  。
• 通过Spatial diversity loss损失函数划分局部
  通过观察张量，发现该方法划分后的局部相对前面的方法更均匀，但是感觉有很多无关结果的背景信息。

下一步

整理对比的局部软划分方法，思考出几种可行的方案
继续修改司机意图识别的代码