本文介绍如何基于Python深度学习开发一款水果识别小程序。通过数据集文本生成、模型训练（涉及 EfficientNet、AlexNet 等多种CNN模型）、Flask服务器部署，实现图像识别功能。此外，探讨了CNN的工作原理及其在计算机视觉领域的应用，如图像分类、目标检测等。文章还提及了AlexNet、GoogleNet和VGG等经典CNN模型，以及将深度学习与小程序结合的优势，如实时性、个性化和低成本开发。
直接上效果图如下：
代码演示和demo仓库看b站视频：
代码展示：
数据集图片放置在data文件夹下，大家可以根据自己需要比如识别其他物体，只需要模仿data文件夹下的文件命名放入图片即可运行训练模型了。
编辑
运行01数据集文本生成制作.py可以将data文件夹下的图片保存成txt格式
运行02train.py可以将txt中记录的数据读取并训练模型
训练可以使用的卷积神经网络包括： efficientnet、Alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNext、ShuffleNet、Swin_transformer、VGG等。
最低0.47元/天 解锁文章
652
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
