该资源包含一个demo仓库，用于数据增强和模型训练。通过01数据集文本生成制作.py脚本处理每类10张图片，进行数据增强并保存。02train.py用于训练多种模型，如AlexNet、DenseNet等，并显示精度、召回率和F1-score。训练结果的评价指标图存储在result文件夹。此外，03pyqt界面.py提供了一个可视化界面来加载图片进行识别。
demo仓库和视频演示找089期：
到此一游7758258的个人空间_哔哩哔哩_bilibili
效果展示图如下：
代码文件展示如下：
每个类别只有10张图片数据 ，
运行01数据集文本生成制作.py可以读取图片，先进行数据增强之后，保存图片在data2文件夹下，在将每张图路径保存再txt文本中，
运行02train.py可以对txt文本中的图片路径读取并训练模型，
在02中可以选择的模型有10多种，可以都训练进行对比、包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型。
最低0.47元/天 解锁文章
扫一扫
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
