/mlnd_distracted_driver_detection

基于深度学习的驾驶员状态检测，不仅仅可以识别出疲劳驾驶，还能够识别出各种各样的状态

Primary LanguageJupyter Notebook

驾驶员状态检测

Distracted Driver Detection

描述

使用深度学习方法检测驾驶员的状态。

  • 输入：一张彩色图片
  • 输出：十种状态的概率

状态列表：

  • c0: 安全驾驶
  • c1: 右手打字
  • c2: 右手打电话
  • c3: 左手打字
  • c4: 左手打电话
  • c5: 调收音机
  • c6: 喝饮料
  • c7: 拿后面的东西
  • c8: 整理头发和化妆
  • c9: 和其他乘客说话

数据

此数据集可以从 kaggle 上下载。Distracted Driver Detection

如果你下载有困难，可以点这里:百度云

报告说明

  • 开题报告: proposal.pdf
  • 毕业项目报告: capstone.pdf

代码说明，依次执行以下步骤：

1. 拆分数据集代码

splite_valid.py

2. 基准模型代码

keras-vgg16-visual-finetune.ipynb

3. 单模型代码

keras-resnet50-visual-finetune.ipynb

keras-inceptionV3-visual-finetune.ipynb

keras-xception-visual-finetune.ipynb

4. 混合模型代码

生成混合模型的输入；write_bottleneck_with_fine_tune.py

最终模型执行代码：main-finetune.ipynb

下面是废弃的代码，共参考

不做finetune的 生成混合模型的输入：write_bottleneck.py

不做finetune的 最终混合模型代码：main-without-finetune.ipynb