driver_distraction_task:使用kaggle的数据集使驾驶员分心的任务-源码

使用内置摄像头分散驾驶员注意力 在此任务中，我使用了一个深层神经网络（ResNet50模型）（内置 ）如果司机从道路分心走来检测。 用于训练网络的数据集来自 ，它由代表驾驶员行为的十个类别的图像组成。 管道架构： 数据加载和可视化。 火车验证拆分。 加载并微调ResNet50。 模型训练。 测试我们的最终模型。 我将在下面详细解释每个步骤。 步骤1：数据加载和可视化。 如前所述，在此任务中，我使用Kaggle状态农场分散驾驶员检测，它包括10个类别，代表驾驶员在监控道路时的行为，这些类别是（安全驾驶，发短信-正确，电话交谈-正确，发短信-左侧，电话交谈-左，操作收音机，喝酒，伸手去后，头发和化妆，与乘客交谈），共收录近22424张图像，每个班级均收录近2000张图像，分布如下： 第2步：火车验证拆分。 将十个类别的所有图像加载到一个列表中后，我将它们进行混洗并按照0.8：0