Применение нейросетевых методов в системах мониторинга водителя

Системы мониторинга водителя становятся все более важными и актуальными с ростом популярности ADAS (Advanced Driver Assistance System). Эти системы предназначены для решения различных задач компьютерного зрения с конечной целью повысить безопасность пребывания водителя за рулем транспортного средства. Данная работа посвящена системам мониторинга водителя и использованию сверточных нейронных сетей в них. В работе сделан обзор различных классических и актуальных подходов к решению задач компьютерного зрения от классического машинного обучения до глубокого обучения и новейших архитектур сверточных нейронных сетей (CNN). Будет проанализирована структура и основные принципы работы CNN, самые популярные и эффективные архитектуры CNN, использующиеся в задачах классификации изображений. В практической части работы описывается решение задачи классификации рук водителя по кадрам, приходящим с камеры, установленной внутри салона автомобиля. Для решения описанной выше задачи были выполнены следующие шаги: 1. Подготовка (разметка) набора данных DriverMVT. 2. Предобработка и анализ набора данных на Python. 3. Изучение подходов к решению задач классификации, основных принципов работы и популярных архитектур сверточных нейронных сетей. 4. Имплементация и обучение моделей на фреймворке PyTorch. 5. Анализ метрик и сравнение моделей по определенным критериям.