代码下载地址:
https://download.csdn.net/download/qq_34904125/89383072
本代码是基于python pytorch环境安装的。
下载本代码后,有个requirement.txt文本,里面介绍了如何安装环境,环境需要自行配置。
或可直接参考下面博文进行环境安装。
深度学习环境安装教程-anaconda-python-pytorch_深度学习anaconda安装-CSDN博客
如果实在不会安装环境的,可以下载免安装环境压缩包,下面这个安装包是有偿的:
https://download.csdn.net/download/qq_34904125/89365780
安装好环境之后,
代码需要依次运行 01数据集文本生成制作.py
和03pyqt_ui界面.py
数据集介绍,下载本资源后,界面如下:

数据集文件夹存放了本次识别的各个类别图片。
本代码对数据集进行了预处理,包括通过在较短边增加灰边,使得图片变为正方形(如果图片原本就是正方形则不会增加灰边),和旋转角度,来扩增增强数据集,

运行01数据集文本制作.py文件,会就读取数据集下每个类别文件中的图片路径和对应的标签
运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练,训练好后会保存模型在本地

训练完成之后会有log日志保存本地,里面记录了每个epoch的验证集损失值和准确率。

运行03pyqt_ui界面.py就可以有个可视化的ui界面,通过点击按钮可以加载自己感兴趣的图片识别。
