# 基于三维卷积神经网络的卒中患者疲劳检测
本项目构建基于迁移学习的C3D模型用于卒中后疲劳识别;针对数据集的类别不平衡特点,构建基于重采样的C3D网络模型;在上述基础上,提出基于Bagging集成学习的卒中后疲劳识别算法;基于上述算法实现,利用PyQt5设计了一款实时运行、用户友好的卒中后疲劳识别系统,该系统界面如下:
![Image](imgs/用户登陆界面.png)
![Image](imgs/疲劳检测界面.png)
## 运行环境
详见[requirements.txt](requirements.txt)
## 预训练权重文件
预训练权重文件下载:[GoogleDrive](https://drive.google.com/file/d/1mdx4nfkFODHV8RXV8489CWlTY5yx1FK8/view?usp=drive_link)
## 代码运行
### 1 - 运行[generation_process.py](train/generation_process.py)
数据预处理
### 2 - 运行[train.py](train/train.py)
模型训练
### 3 - (可选)运行[inference.py](train/inference.py)
模型测试
### 4 - 运行[main.py](main.py)
卒中后疲劳识别系统入口
## 主要文件说明
+ [generation_process.py](train/generation_process.py):数据预处理
+ [mypath.py](train/mypath.py):原始数据集、预处理后数据集、预训练文件路径配置
+ [utils.py](train/utils.py):工具类或函数
+ [train.py](train/train.py):模型训练
+ [inference.py](train/inference.py):模型测试
+ [base_process.py](train/base_process.py):日志处理类
+ [base_provider.py](train/data_provider/base_provider.py):自定义数据集
+ [test_provider.py](train/data_provider/test_provider.py):自定义测试数据集
+ [network](train/network)/[network](network):模型文件夹
+ [main.py](main.py):卒中后疲劳识别系统入口
+ [login.py](login.py):登陆界面
+ [win.py](win.py):疲劳识别界面
+ [datasets.py](dataloaders/datasets.py):用于实时卒中后疲劳识别的自定义数据集
## 参考代码
+ [C3D模型](https://github.com/jfzhang95/pytorch-video-recognition.git)
+ [UI界面](https://github.com/Javacr/PyQt5-YOLOv5.git)
没有合适的资源?快使用搜索试试~ 我知道了~
本科毕设:基于三维卷积神经网络的卒中患者疲劳检测.zip
共69个文件
png:34个
py:27个
ui:2个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 14 浏览量
2024-05-18
16:32:06
上传
评论
收藏 948KB ZIP 举报
温馨提示
本科毕设:基于三维卷积神经网络的卒中患者疲劳检测.zip 卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化
资源推荐
资源详情
资源评论
收起资源包目录
本科毕设:基于三维卷积神经网络的卒中患者疲劳检测.zip (69个子文件)
content
utils.py 1KB
train
utils.py 6KB
mypath.py 483B
generation_process.py 9KB
inference.py 7KB
base_process.py 1KB
network
C3D_model
C3D_model.py 7KB
CNN_RNN
cnn_rnn_model.py 3KB
cnn_model.py 2KB
model_provider.py 272B
rnn
rnn.py 1KB
train.py 15KB
data_provider
test_provider.py 7KB
file_provider.py 4KB
base_provider.py 9KB
apprcc_rc.py 1.12MB
main.py 23KB
LICENSE 1KB
login.ui 7KB
audio
drowsiness.mp3 14KB
CustomMessageBox.py 2KB
win.py 34KB
apprcc.qrc 1KB
dataloaders
datasets.py 3KB
win.ui 45KB
requirements.txt 175B
network
C3D_model
C3D_model.py 7KB
CNN_RNN
cnn_rnn_model.py 3KB
cnn_model.py 2KB
model_provider.py 272B
rnn
rnn.py 1KB
images
暂停1.png 2KB
关闭.png 605B
暂停.png 2KB
下拉_白色.png 573B
background.jpg 181KB
打开_黑色.png 1KB
下拉-黑.png 888B
摄像头开.png 3KB
button-on.png 2KB
赞停.png 6KB
hyy.png 12KB
最小化_黑.png 332B
button-off.png 1KB
摄像头_黑.png 3KB
关闭_黑.png 1KB
终止_黑.png 2KB
最小化.png 249B
停止.png 3KB
正方形_黑.png 543B
终止.png 1KB
vector.png 45KB
圆.png 1KB
还原_黑色.png 592B
运行.png 9KB
正方形.png 718B
箭头_列表收起.png 645B
最大化.png 406B
打开.png 2KB
还原.png 601B
运行_黑.png 2KB
单选选中_黑.png 2KB
箭头_列表展开.png 668B
未选中_黑.png 2KB
MouseLabel.py 574B
imgs
用户登陆界面.png 73KB
疲劳检测界面.png 128KB
login.py 7KB
README.md 2KB
共 69 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3829
- 资源: 5969
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功