CONVNET_Eye_Detection:卷积神经网络旨在描绘闭眼与睁眼的图像-源码

CONVNET_Eye_Detection 动机 卷积神经网络旨在检测睁眼和闭眼的图像之间的差异。该检测在自动驾驶领域中尤其重要，以确保驾驶员不会睡在方向盘后方。 该数据集包含从野外（LFW）数据库中的“带标签的面Kong” [1]中选择的4852个眼睛的图像，它们分为2类打开和关闭。 所有功能都通过sklearn的StandardScaler类进行了标准化。分类标签也使用sklearn的Labelencoder类进行了数值转换。最后，将转换后的类向量整数标签转换为二进制矩阵，以促进与keras的to_categorical类进行分类交叉熵。 神经网络拓扑和结果摘要 二进制交叉熵损失函数与Rmsprop优化器一起用于此分类任务。 经过10个时间段后，训练和验证集分类器在区分睁眼和闭眼的图像时达到了约93％的准确度。 执照 参考 [1] Gary B. Huang，Manu Ramesh，T