# MTCNN模型训练+疲劳驾驶识别系统

**Repository Path**: shallow10/shallow

## Basic Information

- **Project Name**: MTCNN模型训练+疲劳驾驶识别系统
- **Description**: 基于MTCNN模型的疲劳驾驶识别系统
- **Primary Language**: Unknown
- **License**: BSD-3-Clause
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2024-04-24
- **Last Updated**: 2025-03-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MTCNN模型训练+疲劳驾驶识别系统

#### 介绍
基于深度学习的疲劳驾驶识别系统
数据集
训练 MTCNN 网络时选择 WIDER FACE 和 CelebA 这两种数据集。展示在这些图像中的是多种不同环境下的人脸，它们呈现出各式各样的大小、姿态、表情，并且受到遮盖物和光线条件的影响。使得WIDER FACE成为测试人脸检测算法在各种复杂环境下性能的理想选择。

CelebA（CelebFaces Attributes Dataset)用于人脸关键点的定位，CelebA数据集包含超过200,000张名人图片，每张图片都附带40个属性标注和5个面部关键点位置，涵盖了不同的种族、年龄和职业，适用于面部属性识别、人脸对齐和人脸生成等多种任务。这两个数据集都在人脸识别技术的研究与发展中扮演了重要角色，WIDER FACE侧重于人脸检测的准确性和鲁棒性，而CelebA则提供了丰富的人脸属性信息，支持更广泛的人脸分析应用。如图3.11为CelebA数据集，本次实验选取了10000张图片为数据集。
![输入图片说明](shallowimage.png)
#### 环境配置

pytorch 2.2.1 的 GPU 版本作为主要工具，并结合 Python 3.8 编程语言以及 CUDA 12.1 和 cuDNN 8.8 这些辅助库进行开发，显卡使用NVIDIA1050，NvidiaT4，增加算能SE508边缘计算盒子