超级会员免费看
本博客介绍如何利用PyTorch实现图像分类，特别是使用ResNet50进行迁移学习，训练自己的水果数据集，并展示如何在小程序中集成该算法。通过爬虫收集数据，创建训练和测试数据集，最终训练模型并进行预测。还预告了当点赞超过10个，将分享如何部署小程序。
先上结果图，免得还没看就跑了
这是小程序显示的界面，上半部分通过调用手机摄像头，将图像传给后端算法，算法将识别结果，放回到这个页面黄色框这个部分。那么这个算法是怎么实现的呢。
图像分类算法
图像分类常用的卷积神经网络算是人工智能CV篇的入门
常用的算法比如lenet，多用于mnist和cifar10分类分别是28*28，和32*32尺寸的数据集。
然后vgg,resnet,mobilenet,efficientnet等分类算法大多以224*224的图像尺寸制作数据集。
本文就以最经典的resnet50算法为例子，教你如何制作图像分类的数据集，如何使用迁移学习resnet50进行训练模型，以及如何调用模型进行预测，代码都在下面，
多多点赞加关注，更新不间断。
首先是数据集的制作
我通过爬虫，爬取了5种水果，包含橘子、火龙果、苹果、草莓、香蕉等。每种几十张图片，各自放在相应的文件夹下，文件的命名后缀_train是训练集，_test是测试集
然后通过代码来生成数据集文本
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
