这篇博客探讨了如何利用Python和深度学习技术对人体身高进行预测。文章介绍了多种卷积神经网络模型如AlexNet、ResNet等，并提及目标检测模型如YOLOv5和图像分割模型如UNet。此外，还提供了包含数据准备、模型训练、预测及PyQT界面的代码示例，以实现可视化的人体身高识别。
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：
效果展示图如下：
代码文件展示如下：
运行01create_txt.py可以将dataset文件下的图片路径保存在txt文本中，
运行02train.py能对图片进行路径和对应的标签进行加载训练模型保存在weights文件夹下，
运行03predict.py可以调用模型对单张图片进行预测，
运行04pyqt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。
欢迎下载
扫一扫
3306
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
