lyx_78932的博客

​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。运行02CNN迁移学习训练模型.py可以对txt文本中的图片路径读取并训练模型，

运行命令python wnclxzs_pyqt.py。安装python即可运行。

目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等。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。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01makeTxt.py可以读取图片路径保存再txt文本中，

​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。运行03pyqt.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。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，

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。运行03pyqt界面.py可以生成一个可视化的界面，通过点击按钮加载图片识别。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，

代码的卷积网路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。运行03pyqt界面.py可以生成一个可视化的界面，通过点击按钮加载图片识别。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，

代码的卷积网路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。运行01制作数据集txt文本.py可以读取Database文件下的图片保存txt文本。运行04pyqt.py可以生成一个可视化的界面，通过点击按钮对单张图片进行识别。运行03可以调用模型对单张图片进行识别。运行02训练模型.py可以训练模型。

代码的目标检测一般是yolov3、yolov4、yolov5、yolox、PSPnet、faster_rcnn、SDD等。运行04ui_pyqt5.py可以生成一个可视化的界面，通过点击按钮加载视频识别。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03detector_photo.py可以对单张图片进行检测。运行01makeTxt.py可以读取图片路径保存再txt文本中，

运行03pyqt界面.py可以生成一个可视化的界面，通过点击按钮加载图片识别。运行01train_SVM.py可以生成模型保存在weights文件夹下，运行02predict.py可以对单张图片进行预测，

代码中的卷积网路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。运行02train.py会将txt文本中的图像数据读取进行模型的训练，最后保存在weights文件夹下。运行01训练数据集文本生成.py会将数据集图片路径带上标签保存在txt文本中。其中花卉数据集文件夹下存放的图像数据集。

083基于深度学习的手势识别小程序版本_含10多种模型包括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。