图片分类，带有前端pyqt5界面

1、数据集

本项目使用的数据集是自制的中草药数据集，后期你们自己也可以使用其他的数据集，只要按照我的数据集的格式使用就行。数据集的树状图如下：

|-datasets
    |-train
        |-Anxixiang
            |-123.jpg
            |-234.jpg
        |-Baibiandou
            |-345.jpg
            |-456.jpg
        |-...
    |-test
        |-Anxixiang
            |-567.jpg
            |-678.jpg
        |-Baibiandou
            |-789.jpg
            |-890.jpg
        |-...

数据集的下载，下面会有百度网盘链接，可以自行下载，并完全免费。

2、训练步骤

1. datasets文件夹下存放的图片分为两部分，train里面是训练图片，test里面是测试图片。
2. 在训练之前需要首先准备好数据集，在train或者test文件里里面创建不同的文件夹，每个文件夹的名称为对应的类别名称，文件夹下面的图片为这个类的图片。
3. 在准备好数据集后，需要在根目录运行txt_annotation.py生成训练所需的cls_train.txt，运行前需要修改其中的classes，将其修改成自己需要分的类。
4. 之后修改model_data文件夹下的cls_classes.txt，使其也对应自己需要分的类。
5. 在train.py里面调整自己要选择的网络和权重后，就可以开始训练了！可以选择的网络有mobilenetv2、resnet、vgg、swin_transformer等等，预训练权重也可以在下面链接下载。

3、评估步骤

1. datasets文件夹下存放的图片分为两部分，train里面是训练图片，test里面是测试图片，在评估的时候，我们使用的是test文件夹里面的图片。
2. 在评估之前需要首先准备好数据集，在train或者test文件里里面创建不同的文件夹，每个文件夹的名称为对应的类别名称，文件夹下面的图片为这个类的图片。

4、开始

如果不需要前端可以不用管一些ui文件，直接运行predict.py就行。在运行界面输入要预测的图片的绝对地址就可以预测。

前端界面只用运行login.py这个文件，包括注册和用户登录，管理员登录用户为:user,密码为：123456

5、下载

项目地址：9BigRookies/Image-classification-with-front-end-interface: Image classification with front-end interface,Examples of categorical use: Chinese herbal medicine;Included Networks:mobilenetv2、resnet、vgg、swin_transformer.etc (github.com)https://github.com/9BigRookies/Image-classification-with-front-end-interface数据集和预训练权重地址：

链接：百度网盘 请输入提取码 提取码：ifl0