注意力分散的驾驶员检测:使用PyTorch和ResNet18模型以及22,400张不同类型的注意力分散的驾驶员的图像,构建可检测干扰的检测器,验证精度为99.7%-源码

上传者: 42175516 | 上传时间: 2021-09-14 17:49:43 | 文件大小: 47.18MB | 文件类型: ZIP
CS175分心驾驶员检测 #RESNET18 #PYTORCH#机器学习 分心驾驶: 建议作为导致致命事故从2014年到2018年增加的原因 由于使用智能设备的增加,引起公众越来越多的关注 我们在建筑物探测器中的数据:(由StateFarm在他们的Kaggle挑战赛中提供: 训练数据:在训练数据中包含22,424张图像,分为10个带标签的课程文件夹 测试数据:7.97万张未标记的图像(通过kaggle提交进行了准确性测试) 提供给我们的每张图像的大小为640×480像素 我们的模型: ResNet18(必须对图像进行预处理,并对在ResNet18中内置的pyTorch进行一些更改) 使用交叉熵损失和SGD优化器,其学习率为0.001,动量为0.9和Nesterov动量 火车精度大约为98%! 测试准确率近97%! 以下是我们所做操作和报告的全面说明:幻灯片: ://docs

文件下载

资源详情

[{"title":"( 4 个子文件 47.18MB ) 注意力分散的驾驶员检测:使用PyTorch和ResNet18模型以及22,400张不同类型的注意力分散的驾驶员的图像,构建可检测干扰的检测器,验证精度为99.7%-源码","children":[{"title":"Distracted-Driver-Detection-master","children":[{"title":"distracted_driver_submission.csv <span style='color:#111;'> 16.94MB </span>","children":null,"spread":false},{"title":"CS175_DistractedDriver.ipynb <span style='color:#111;'> 142.60KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.14KB </span>","children":null,"spread":false},{"title":"training.pt <span style='color:#111;'> 42.71MB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明