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
- 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。
- 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。
- 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。
- 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
- 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。
- 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
链接:百度网盘 请输入提取码 提取码:ifl0