该博客介绍了一种使用Python深度学习对香蕉品质进行检测的方法，涉及AlexNet、DenseNet等多种模型的训练，并提供了一个可视化PyQT界面进行图片识别。训练过程中会显示精度、召回率和F1-score等指标，训练结果和评价指标图存储在result文件夹中。
demo仓库和视频演示找078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：
运行01数据集文本生成制作.py可以读取图片路径保存再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。
训练的每个epoch都会显示准确率precision、召回率recall和 f1-score
最低0.47元/天 解锁文章
954
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
