Image classification with front-end interface,Examples of categorical use: Chinese herbal medicine;Included Networks:mobilenetv2、resnet、vgg、swin_transformer.etc
训练所需的预训练权重,数据集和训练好的权重都可以在百度云下载。
链接:https://pan.baidu.com/s/10lAJLDWlCI7RX3PblKRxYQ
提取码:ifl0
- datasets文件夹下存放的图片分为两部分,train里面是训练图片,test里面是测试图片。
- 在训练之前需要首先准备好数据集,在train或者test文件里里面创建不同的文件夹,每个文件夹的名称为对应的类别名称,文件夹下面的图片为这个类的图片。文件格式可参考如下:
|-datasets
|-train
|-Anxixiang
|-123.jpg
|-234.jpg
|-Baibiandou
|-345.jpg
|-456.jpg
|-...
|-test
|-Anxixiang
|-567.jpg
|-678.jpg
|-Baibiandou
|-789.jpg
|-890.jpg
|-...
- 在准备好数据集后,需要在根目录运行txt_annotation.py生成训练所需的cls_train.txt,运行前需要修改其中的classes,将其修改成自己需要分的类。
- 之后修改model_data文件夹下的cls_classes.txt,使其也对应自己需要分的类。
- 在train.py里面调整自己要选择的网络和权重后,就可以开始训练了!
- datasets文件夹下存放的图片分为两部分,train里面是训练图片,test里面是测试图片,在评估的时候,我们使用的是test文件夹里面的图片。
- 在评估之前需要首先准备好数据集,在train或者test文件里里面创建不同的文件夹,每个文件夹的名称为对应的类别名称,文件夹下面的图片为这个类的图片。
前端界面只用运行login.py这个文件,包括注册和用户登录,管理员登录用户为:user,密码为:123456