Pytorch实现中药材(中草药)分类识别(含训练代码和数据集)_中草药数据集(1)

opencv-contrib-python4.5.2.52
opencv-python4.5.1.48
pandas1.1.5
PyYAML5.3.1
scikit-image0.17.2
scikit-learn0.24.0
scipy1.5.4
seaborn0.11.2
tensorboard2.5.0
tensorboardX2.1
torch1.7.1+cu110
torchvision0.8.2+cu110
tqdm4.55.1
xmltodict0.12.0
basetrainer
pybaseutils==0.6.5

  项目安装教程请参考（初学者入门，麻烦先看完下面教程，配置好开发环境）：



> 
> * [项目开发使用教程和常见问题和解决方法]( )
> * **视频教程：**[1 手把手教你安装CUDA和cuDNN(1)]( )")
> * **视频教程：**[2 手把手教你安装CUDA和cuDNN(2)]( )")
> * **视频教程：**[3 如何用Anaconda创建pycharm环境]( )
> * **视频教程：**[4 如何在pycharm中使用Anaconda创建的python环境]( )
> * 推荐使用Python3.8或Python3.7，更高版本可能存在版本差异问题
> 
> 
> 


#### （2）准备Train和Test数据


下载中**药材(中草药)数据集：Chinese-Medicine-163**，Train和Test数据集，要求相同类别的图片，放在同一个文件夹下；且子目录文件夹命名为类别名称。


数据增强方式主要采用： **随机裁剪，随机翻转，随机旋转，颜色变换**等处理方式

import numbers
import random
import PIL.Image as Image
import numpy as np
from torchvision import transforms

def image_transform(input_size, rgb_mean=[0.5, 0.5, 0.5], rgb_std=[0.5, 0.5, 0.5], trans_type=“train”):
“”"
不推荐使用：RandomResizedCrop(input_size), # bug:目标容易被crop掉
:param input_size: [w,h]
:param rgb_mean:
:param rgb_std:
:param trans_type:
:return::
“”"
if trans_type == “train”:
transform = transforms.Compose([
transforms.Resize([int(128 * input_size[1] / 112), int(128 * input_size[0] / 112)]),
transforms.RandomHorizontalFlip(), # 随机左右翻转
# transforms.RandomVerticalFlip(), # 随机上下翻转
transforms.ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5, hue=0.1),
transforms.RandomRotation(degrees=5),
transforms.RandomCrop([input_size[1], input_size[0]]),
transforms.ToTensor(),
transforms.Normalize(mean=rgb_mean, std=rgb_std),
])
elif trans_type == “val” or trans_type == “test”:
transform = transforms.Compose([
transforms.Resize([input_size[1], input_size[0]]),
# transforms.CenterCrop([input_size[1], input_size[0]]),
# transforms.Resize(input_size),
transforms.ToTensor(),
transforms.Normalize(mean=rgb_mean, std=rgb_std),
])
else:
raise Exception(“transform_type ERROR:{}”.format(trans_type))
return transform

修改配置文件数据路径：config.yaml

训练数据集&#