任务一:基于ResNet的图像分类
代码连接:【免费】基于ResNet的图像分类和基于Unet的图像分割资源-CSDN文库
相关知识学习:你必须要知道CNN模型:ResNet - 知乎 (zhihu.com)
任务二:基于Unet的图像分割
代码连接:【免费】基于ResNet的图像分类和基于Unet的图像分割资源-CSDN文库
相关知识学习:图像分割必备知识点 | Unet详解 理论+ 代码 - 知乎 (zhihu.com)
任务三:基于Yolov5、YOLOv6的目标检测(可输入视频,可做对比提升改进)
代码连接:基于YoloV5的目标检测,可用于毕业设计资源-CSDN文库
相关知识学习:深入浅出Yolo系列之Yolov5核心基础知识完整讲解 - 知乎 (zhihu.com)
【YOLO系列】YOLOv6论文超详细解读(翻译 +学习笔记)_yolo系列最新论文-CSDN博客相关知识学习:【YOLO系列】YOLOv6论文超详细解读(翻译 +学习笔记)_yolo系列最新论文-CSDN博客
任务四:基于SwinTransformer的图像分割、语义分割
代码连接:基于Swin-Trasnformer的图像分割、语义分割资源-CSDN文库
代码连接:图解Swin Transformer - 知乎 (zhihu.com)
一些思路:
相关代码均已经跑成功,任何问题都可以评论区直接询问,希望对毕设开题有一定的帮助,代码实现的任务为:
ResNet:基于图像进行分类,可以替换为任意输入图像,给定不同的类比可以实现分类,基础网络为实现医学图像疾病分类,基础分类为2分类,多分类需要调整num_class大小。
Unet:可以实现图像的分割,需要label,可以使用自己给定的任意数据集实现对应图像分割的结果。
YoLoV5、YoLoV6系列可以实现对图像或者视频的目标检测,识别图像中的不同物体,需要label,可以使用医学图像进行疾病检测,也可以使用coco数据集进行场景物品检测,也可使用人脸图像实现人脸检测和情绪识别等任务。两种代码可以进行对比分析,作为提升。
SwinTransfor可以实现语义分割图像分割,可以和Unet结合作为进一步的提升,也可以作为Transformer和CNN架构的对比,也可以结合两者优缺点。
创作不易,喜欢的小伙伴欢迎━(*`∀´*)ノ亻!点赞收藏关注,一键三连。有任何问题可以直接和我联系,希望对开题设计有一定帮助。