深度学习实践2--分类检测识别专场

深度学习实践2–分类检测识别专场

时间：（5.12 - 5.22）线下展示

要求：按自己情况配合完成，每组至少实现一个，选题目一最好再选一个其他尝试一下，并且两个人都能简单了解过程，可自选题目（展示就好）。

• 展示功能效果

• 展示跑通流程

• 展示部分原理（你理解的部分即可）可以做PPT介绍

最好选用PyTorch框架版，考虑到时间问题，每组最多向我求助两次，当然在大群聊不算。

以下自选：

一、带有一个隐藏层的平面数据分类

• 难度：一颗星

• 本地跑通即可

• 其他参考资料：无

• 特点：好像没有啥特点

二、vipstone/faceai: 一款入门级的人脸、视频、文字检测以及识别的项目. (github.com)

• 难度：两颗星
• 本地跑通即可，选择其中三到四个功能实现，其中一个是我上次用的其中一个人脸识别
• 其他参考资料：无
• 特点：功能多很好玩，Tensorflow 框架

三、猫狗大战

• 难度：三颗星

• 本地跑通、训练，服务器训练 注：可以降低epoch加快训练速度

• 其他参考资料：如何在云服务器上跑深度学习的代码？(ResNet50为例)_

  Python分类实例之猫狗大战_

  图片分类 猫狗大战 pytorch VGG

• 特点：学习服务器的简单训练，可以体验多种框架

四、基于PyTorch&YOLOv4实现的口罩佩戴检测 ⭐️ 自建口罩数据集分享 (gitee.com)

• 难度：四颗星
• 本地跑通即可
• 其他参考资料：无
• 特点：中文教程完整详细

五、ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)YOLOV5自训练

（我做的数据集是口腔识别，可选自己想要的识别对象自行处理数据，就是费时间。我数据预处理了5个小时左右）口腔数据集

• 难度：五颗星

• 本地跑通原模型，数据可以使用我给你们的数据集进行训练，本地两天左右，服务器快亿点 注：可以降低epoch加快训练速度

• 其他参考资料：YOLOv5训练自己的数据集（超详细完整版）

  yolov5训练自己的数据集（一文搞定训练） yolov5训练自己的数据集全过程（从数据集标注到最后的图片测试）

• 特点：难度高，具有挑战性！大佬们冲鸭，我当时做了两天。不要求完整完成，用心做了就是success。

  此外教程较多，可以搜索“yolov5训练自己的数据集”。

六、寻找你自己感兴趣的模型！

最后祝大家都能获得收获、得到进步！