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...

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