本文介绍了基于深度学习的杂草检测技术，通过卷积神经网络（CNN）如AlexNet、GoogleNet、VGG、ResNet、MobileNet、ShuffleNet、EfficientNet和Swin Transformer等模型进行图像识别。这些模型在解决深度学习退化问题、提高计算效率和准确率方面各有特点，适合不同计算资源和应用场景。同时，还提及了目标检测（yolo系列、faster_rcnn等）和图像分割（Unet、mask-rcnn等）的相关模型。
视频演示找046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01makeTxt.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，
运行04pyqt界面.py可以生成一个可视化的界面，通过点击加载感兴趣的图识别。
科普下卷积神经网络相关知识：
CNN是卷积神经网络（Convolutional Neural Network）的缩写。它是一种前馈神经网络，特别适用于处理具有网格状结构的数据，例如图像、视频和声音等。CNN由多个卷积层、池化层和全连
最低0.47元/天 解锁文章
扫一扫
968
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
