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