A297-基于cnn和resnet和mobilenet对比实现驾驶员分心检测
【购买前必看】
1、关于我们
深度学习乐园是由python哥全职技术团队组建运营【团队成员为：复旦大学博士、华东理工爱丁堡博士、格拉斯哥博士、纽约大学硕士、浙江大学硕士】。
我们只做python业务，精通sklearn机器学习/torch深度学习/django/flask/vue全栈开发。
2、关于项目
我们从2018年开始，就专注于深度学习sci、ei、ccf、kaggle等，至今已有7年，共发表过10多篇SCI。
官网累积了数百个项目，已有3000多学员付费购买，圈子内有口皆碑：www.zzgcz.com （更多高级私密项目无法对外，联系微信定制：zzgcz_com）
3、售后承诺
包远程安装调试，所有项目均在本地运行通过，大部分都有截图和录屏。
支持二次修改，所有项目都是我们自己写的，改起来也非常容易。
加急定制1-2天可完成，这就是实力证明，远程验收满意后再付全款！
所有客户终身售后。兼职的人家都有主业，谁愿意持续服务你？
本项目旨在通过深度学习技术，结合卷积神经网络（CNN）模型、ResNet模型和MobileNet模型，实现对驾驶员分心行为的自动检测。我们通过训练这些模型来识别不同的驾驶员分心行为，包括如发短信、通话、喝水等行为。使用的数据集包含驾驶员行为的图片，并且针对每个行为标注了相应的标签（例如"正常驾驶"、"右手发短信"等）。
MobileNetV2 是 Google 于 2018 年提出的一种轻量级卷积神经网络架构，专为在移动设备和嵌入式系统上高效部署而设计。其相比传统的深度卷积神经网络（如 ResNet、VGG 等），在保证较高分类准确率的同时，显著减少了模型的参数数量和计算量。
在本课程中，我们选用 MobileNetV2 作为图像分类的基础模型，兼顾了性能、精度与速度，非常适合部署在资源受限的环境中（如智能汽车终端、边缘设备等）。
🧠 二、关键技术点
1. 深度可分离卷积（Depthwise Separable Convolution）
MobileNetV2 的核心构建模块基于深度可分离卷积，它将标准卷积操作拆分为：
-
Depthwise 卷积：对每个通道独立进行空间卷积；
-
Pointwise 卷积：使用 1×1 卷积对通道进行线性组合。
这种分离大大减少了运算量，提升了运行效率。
2. 线性瓶颈结构（Linear Bottleneck）
传统的网络在通过 ReLU 激活函数后会引入信息丢失，而 MobileNetV2 引入了线性瓶颈层，在某些层不使用 ReLU，从而避免特征表达的退化。
3. 倒残差结构（Inverted Residuals）
与 ResNet 的“先压缩后扩展”不同，MobileNetV2 采用“先扩展后压缩”的倒残差结构，有利于保持特征信息，提升建模能力。
📊 模型对比分析：MobileNetV2 vs ResNet vs EfficientNet
项目结构
该项目包含多个部分，包括数据预处理、模型训练、评估以及单张图片预测。我们使用了三个不同的深度学习模型（CNN、ResNet、MobileNet）进行比较，以下是针对项目中每个部分的详细说明。
代码结构说明
- 数据集准备
首先，我们通过自定义的DriverDistractionDataset类加载并处理数据集。该类通过读取CSV文件获取每个图像的路径，并检查图像是否存在。如果图像存在，则保存其路径和标签，确保数据集的完整性。
关于数据：
dict_list_zh = {
'c0': '正常驾驶',
"c1": '右手发短信',
"c2": '右手通话',
"c3": '左手发短信',
"c4": '左手通话',
"c5": '操作收音机',
"c6": '喝水',
"c7": '回头',
"c8": '整理头发',
"c9": '与乘客交谈'
}
- 数据增强与预处理
为了提高模型的鲁棒性，我们对输入数据进行了适当的预处理。使用torchvision.transforms模块进行图像尺寸调整、标准化以及转换为Tensor格式。标准化是根据ImageNet的均值和标准差进行的。
- 模型选择与加载
本项目使用了三个不同的模型进行对比：
-
CNN：标准的卷积神经网络。
-
ResNet：采用残差连接的深度网络。
-
MobileNet：高效的轻量化网络。
每次运行代码时，只需选择一个模型，并进行训练。以下是使用MobileNetV2模型的代码片段，其他模型更换时，只需修改模型名称即可。
- 模型训练
训练过程使用了标准的交叉熵损失函数（CrossEntropyLoss）和Adam优化器。每个epoch会输出当前的损失值，并绘制训练过程中的损失曲线。
- 模型评估与结果可视化
评估模型时，主要计算模型的准确率，并通过混淆矩阵来分析模型的分类效果。混淆矩阵的可视化使用了seaborn模块，提供了更加直观的分类结果展示。
- 单张图片预测
为了测试模型的预测能力，我们提供了一个predict_image函数，用于输入一张图片并预测其分心行为类别。该函数将输入的图片转换为Tensor格式，并将其传递给训练好的模型进行预测。
mobilenet结果【下面的结果仅跑5轮测试，仅为展示结果。】：
cnn结果：
resnet结果：
