驾驶员分心任务的源码，基于Kaggle数据集。

简介：
为了完成这项任务，我采用了内置摄像头来分散驾驶员的注意力。具体而言，我构建了一个基于深层神经网络（ResNet50模型）的系统，该系统能够检测司机是否从道路分心去执行其他操作。用于训练该网络的数据集来源于Kaggle状态农场，该数据集包含十个类别，每个类别都代表驾驶员在监控道路时可能表现出的行为，例如安全驾驶、正确地使用手机短信、正确地进行电话交谈、左侧发短信、左侧进行电话交谈、操作收音机、饮酒、伸手后退以及与乘客交谈和化妆等。总共收录了近22424张图像，并且每个类别都有近2000张图像作为样本，图像分布如下：接下来，我详细阐述了整个流程的各个步骤。首先是数据加载和可视化阶段。正如之前所描述的，我利用Kaggle状态农场的数据集来分散驾驶员的注意力检测任务中，数据集包含了十个类别，这些类别代表了驾驶员在监控道路时的各种行为模式。这些行为模式包括安全驾驶、正确使用手机短信、正确进行电话交谈、左侧发短信、左侧进行电话交谈、操作收音机、饮酒以及伸手后退和与乘客交谈及化妆等。该数据集共有近22424张图像，每个类别大约包含2000张图像。然后是火车验证拆分阶段：将这十个类别的所有图像加载到一个统一列表中后，我进行了随机洗混合处理并按照8:2 的比例划分成训练集和验证集。