udacity机器学习工程师毕业项目.zip

# 驾驶员状态检测 [Distracted Driver Detection](https://www.kaggle.com/c/state-farm-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](https://www.kaggle.com/c/state-farm-distracted-driver-detection) 如果你下载有困难，可以点这里:[百度云](http://pan.baidu.com/s/1dFzd0at) ## 使用库 * [OpenCV](https://github.com/opencv/opencv) * [Matlibplot](https://matplotlib.org/) * [Pytorch](https://pytorch.org/) * [TensorboardX](https://github.com/lanpa/tensorboardX) ## 基础模型 * [VGGNet](https://arxiv.org/abs/1409.1556) * [Xception](https://arxiv.org/abs/1610.02357) * [pnasnet5large](https://arxiv.org/pdf/1712.00559.pdf) ## 源文件说明 * _ddd\_units/data\_mean.py_ 统计训练图片的均值与标准差 * _ddd\_units/splite\_valid.py_ 分离验证集与训练集 * _ddd\_units/visual\_classes.py_ 浏览每个驾驶状态 * _ddd\_units/visual\_samples.py_ 浏览随机的样本 * _ddd\_units/model\_plot.py_ 利用_tensorboardX_进行模型的绘制 * _ddd\_units/splite\_valid.py_ 分离验证集与训练集 * _ddd\_find\_tools_ 找到最好精度的模型 * _ddd\_image\_preprocessing.py_ 对图像进行预处理 * _ddd\_kfold\_split.py_ 对训练集进行_kfold_划分 * _ddd\_merge\_result.py_ 对结果集进行_bagging_融合 * _ddd\_xvgg.py_ 使用**xception**与**vgg16**联合用反卷得到的特征图做训练的模型 * _ddd\_masker.py_ 使用**vgg16**模型做的迁移学习的掩码图提取器 * _ddd\_resnet152.py_ 使用**resnet152**模型做的迁移学习的分类器 * _ddd\_pnasnet5large.py_ 使用**pnasnet5large**模型做的迁移学习的分类器