联邦学习驾驶员状态分类设计源码：该项目基于Python开发，包含20个文件，主要使用Python语言。该项目利用VGG19、efficientnet和Resnet50等深度学习模型对驾驶员状态数据集进行分类。近期工作中，项目加入了联邦学习的方法，引入了Shapley值和激励机制，以提高模型的准确性和鲁棒性。

资源推荐

资源详情

资源评论

收起资源包目录

upload.zip （19个子文件）

LICENSE 1KB

federated-learning

data

__init__.py 62B

save

fed_FL_dd_vgg_1000_C0.1_iidTrue.png 21KB

.gitkeep 0B

fed_FL_dd_vgg_100_C0.1_iidTrue.png 41KB

fed_mnist_cnn_50_C0.1_iidTrue.png 17KB

main_fed.py 12KB

utils

__init__.py 62B

options.py 3KB

sampling.py 2KB

nohup.out 56KB

requirements.txt 33B

models

__init__.py 62B

Fed.py 301B

Nets.py 665B

test.py 2KB

Update.py 4KB

Noise_data_generation.py 3KB

readme.txt 335B

共 19 条

基于联邦学习的分心驾驶检测 Python Python 共20个文件 py: 11 md: 3 png: 3 LICENSE: 1 out: 1 txt: 1 使用VGG19、efficientnet和Resnet50分别对驾驶员状态数据集进行分类，并在近期的工作中加入了联邦学习的方法，将Shapley值和激励机制引入到联邦学习过程中。

评论收藏

内容反馈

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）

版权申诉

资源评论