本文探讨了基于深度学习的小样本数据检测，涉及卷积神经网络（CNN）的各种模型，如AlexNet、ResNet等，以及目标检测模型如YOLO系列和图像分割模型如Unet。提供了数据增强、模型训练以及使用PyQT界面进行图片识别的实战流程，每个类别仅用10张图片进行训练，并详细展示了训练过程中的评价指标。
卷积网路CNN分类的模型一般使用包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型
目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等
图像分割一般是Unet、mask-rcnn、PSPnet、yolov5-segment等
demo仓库和视频演示找089期：
效果展示图如下：
代码文件展示如下：
最低0.47元/天 解锁文章
扫一扫
2646
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
