一招解决本科毕设，使用自己的数据集训练网络（ResNet分类、YOLO目标检测、Unet、SwinTransformer图像分割）

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)

代码连接：YoLoV6目标检测代码资源-CSDN文库

【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。