我写了一个脚本,实现了图片分类问题的全自动化训练

已于 2023-02-03 09:20:43 修改
阅读量2.8k 收藏 5
点赞数 2
分类专栏： 笔记 实用工具分享 文章标签： 分类 自动化 计算机视觉 yolov5
于 2023-02-02 21:01:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZYM66/article/details/128857079
版权

众所周知,图片分类问题属于计算机视觉中比较容易解决的问题之一
但
这几天被数据集的问题搞得焦头烂额,
照理说分类问题的数据集应该比较好制作
但
如果之前没有现成的数据集
也会变得比较麻烦
直到我偶然发现了一个HuggingFace的图片搜索API
无限次调用
而且不需要身份验证
真香
以后再也不怕组建数据集麻烦了
我在Colab上写了一个脚本,可以自动从API查询图片下载图片,构建数据集.最后使用YOLOv5的图片分类模型进行训练

特色

  • 只需写下想要识别的物体,后台会自动组建数据集
  • 自动化Yolov5模型训练

使用方法

在search_terms中填入我们想构建数据集的包含的类别

由于我想做一个花卉分类数据集,这里我填入的都是花卉的名称

在这里插入图片描述
然后依次运行我们的图片下载模块,数据集构建模块,YOLOv5训练模块即可完成对模型的训练

以下是通过脚本自动组建的数据集
在这里插入图片描述

以下是使用训练好的模型进行预测
在这里插入图片描述

脚本仓库地址

https://github.com/ZYM66/AutoTrain_ImageClassify_model_ByYOLOv5

ZYM66
关注
专栏目录
图片分类自动
Jiashilin
07-11 1198
from keras.preprocessing.image import ImageDataGenerator from keras.models import Sequential from keras.layers import Conv2D, MaxPooling2D from keras.layers import Activation, Dropout, Flatten, Dens...
图片分类的脚本
llf000000的博客
01-10 483
当前有个名为“image”的文件夹和名为“label”的txt文件，txt文件里的每一行包含了“photos”文件夹里每一个图片文件的文件名 + 一个空格 + 对应的标签（1、2....8），请编写一个脚本，并创建一个新的文件夹，里面包含8个文件夹（即每个图片对应的标签），然后将对应标签的图片复制粘贴到对应的文件夹下。
相片自动分类工具
11-08
家里的相片很多，时间长了就不知道哪是哪了，把这个工具用到相片目录下就可以把相片按时间分类存放
自动化win训练脚本+日志
人工智能曾小健
07-11 312
自动化win训练脚本+日志
【功能脚本】按图片编号分类
weixin_42630613的博客
06-19 129
文章目录1、保存设置 1、保存设置 def zipdir(path, ziph): files = os.listdir(path) for file in files: if file.endswith(".py") or file.endswith("cfg"): ziph.write(os.path.join(path, file)) if file.endswith("cfg"): os.
卷积神经网络实现垃圾图片分类.rar
12-31
本项目“卷积神经网络实现垃圾图片分类”是利用Python编程语言结合Pytorch框架来构建一个能对垃圾图片进行有效分类的模型。项目中包含了一个完整的流程，从数据获取（使用爬虫代码）、预处理、模型训练到结果评估。 ...
基于yolov5识别算法实现的DNF自动脚本源码.zip
最新发布
04-28
《基于YOLOv5识别算法实现的DNF自动脚本源码详解》 在现代计算机视觉领域，目标检测是至关重要的任务之一，它涉及到在图像中寻找并定位特定对象。YOLO（You Only Look Once）系列算法因其高效、准确的特点在实时...
Python-groupImg一个python脚本实现按相似性来组织图片
08-11
总结来说，"Python-groupImg"是利用Python和机器学习技术解决图片管理问题的一个实例，它展示了Python在图像处理领域的强大功能。了解并掌握这种工具的使用，不仅可以提高工作效率，也有助于进一步学习和理解深度...
包含蝴蝶图片分类数据集，20个类别，文件夹分类。分类模型resnet，训练模型、预测代码。
09-27
通过以上内容，我们可以了解到这个项目是如何使用深度学习技术，特别是ResNet模型，来实现蝴蝶图片的自动化分类。在实际应用中，这样的系统可以用于生物学研究、教育、生态监测等领域，帮助快速识别和记录不同种类的...
图片路径自动归类脚本
01-16
标题中的“图片路径自动归类脚本”是指一个利用脚本程序自动化整理和分类图片文件的工具。在交通标志识别的场景中，这样的脚本尤为有用，它可以帮助研究人员或开发者快速整理大量的交通标志图像，以便进行机器学习或...
Python-PyTorch图像分类模型脚本预训练权重集合
08-09
PyTorch image models, scripts, pretrained weights -- (SE)ResNet/ResNeXT, DPN, EfficientNet, MixNet, MobileNet-V3/V2/V1, MNASNet, Single-Path NAS, FBNet, and more
0012-pytorch-入门图片分类脚本
左手coding，右手cooking
01-17 138
# 数据获取 pytorch提供了torchvision包封装了常见数据集的数据加载函数，除此之外，它还提供了torchvision.datasets和torch.utils.data.Dataloader实现图像数据转换功能 #加载并处理数据 import torch import torchvision import torchvision.transforms as transforms transform = transforms.Compose( [transforms.ToTenso
图像分类基础概念，经典模型（附代码）
PLANTTHESON的博客
09-27 4306
图像分类基础概念，经典模型（附代码）
启智社区【智算集群训练脚本分享-自动配置环境】
qq_18316565的博客
09-24 337
启智社区，小白训练营
构建自己的图片分类模型
chuangchizhou4075的博客
12-17 250
使用retrain构建自己的图片分类模型 阅读这篇文章前，可以先看一下inception初探 1.inception模型的变换 关于图像分类我们可以有三种方式去构造训练模型 ①完全自己搭建模型 ②通过改变已有模型比如inception的结构，但是没有更改的部分的参数是固定的。 ③改变已有的模型...
深度学习炼丹自动化训练
qq_43346939的博客
03-28 1959
引子 深度学习的研究，调参是躲不开的话题，动辄几天甚至几周的训练暂且不表，很多时候，我们遇到的模型跑完一次训练只需要十几分钟，刚开始“炼丹”可能会热血冲头，非要等到结果出来，一看不好就立刻调参再炼一轮。但是这样做首先是很没效率的，其次也很不系统，容易让代码越改越乱，实验结果也越来越难以回顾（别问我怎么知道的。 自动训练脚本，就是设计好之后自动枚举各个参数进行训练并且保存实验结果的代码。这样的技术其实很容易实现，不过笔者这里更想分享自动化训练意识。 自动化训练的好处。一来，程序员的浪漫不就是让代码简化我们的工
python脚本将照片按时间线整理
qq1170993239的博客
02-02 734
有一次自己瞎折腾，然后把服务器相册搞崩了，后来做了备份同步给找了回来，但是相册的时间线全乱了，看起来非常难受。命令打包，不含病毒，如果有报毒请自行斟酌。│ ├── 图片1.jpg。│ ├── 图片2.jpg。│ └── 图片3.jpg。│ ├── 图片4.jpg。│ ├── 图片5.jpg。│ └── 图片6.jpg。│ ├── 图片1.jpg。│ ├── 图片2.jpg。│ └── 图片3.jpg。│ ├── 图片4.jpg。│ ├── 图片5.jpg。
PyTorch ImageNet 基于预训练六大常用图片分类模型的实战
TensorFlowNews
09-18 9537
微调 Torchvision 模型 在本教程中，我们将深入探讨如何对 torchvision 模型进行微调和特征提取，所有这些模型都已经预先在1000类的Imagenet数据集上训练完成。本教程将深入介绍如何使用几个现代的CNN架构，并将直观展示如何微调任意的PyTorch模型。由于每个模型架构是有差异的，因此没有可以在所有场景中使用的微调代码样板。然而，研究人员必须查看现有架构并对每个模型进行...
【python脚本】按照清晰度对图片进行分类
可乐大牛的博客
05-10 1357
目录原理使用 原理 在《Analysis of focus measure operators for shape-from-focus》[2013 Pertuz et al.]。在这篇文献中，Pertuz 等人论述了近 36 种不同的图片清晰度评价（focus measure）方法。其中一种方式比较简单，就是使用拉普拉斯方差算法，直接得到一个浮点数方差表征清晰度。事先设定一个阈值，如果某图片的清晰度低于预先定义的阈值，那么该图片就可以被认为是模糊的。高于阈值，就不是模糊的,或者说是清晰的。 此算法基于以下
YOLOv8玫瑰与向日葵图片分类训练集及划分脚本
总结来说，本资源是计算机视觉和深度学习领域的一个实用性工具，通过提供图片数据和自动化脚本，大大降低了使用YOLOv8算法进行自定义目标检测项目的难度和门槛。对于研究人员、工程师以及对目标检测感兴趣的爱好者来...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值