简单易用的分类任务开源项目 :classification

项目地址:https://gitcode.net/EricLee/classification

物体识别分类,pytorch 目前数据集

包括 1)Stanford Dogs 数据集 ,

2)14类静态手势自建数据集,

3)imagenet 1000类数据集

classification

物体识别分类

项目介绍

该项目对物体进行识别分类。

项目配置

  • 作者开发环境:
  • Python 3.7
  • PyTorch >= 1.5.1

数据集

1、Stanford Dogs 数据集

2、静态手势识别数据集(handpose_x_gesture_v1)

3、imagenet 数据集 (使用"ILSVRC2012_img_train"数据集将原图裁剪后的部分数据集)

4、Stanford_Cars 数据集(共196 类)

构建自己的数据集

  • 构建一个总的数据集目录,在目录内建立每一个具体类别的子目录,每一个子目录有且只有单独的一个类别。并且文件夹的命名为"数字-名称",比如上图的"one静态手势"的文件夹命名为"000-one"。
  • 注意名称为英文命名,可以由自己定义,类别编号数字从0开始。
  • 另外在具体训练时,需要在训练脚本 train.py 中进行训练集文件夹路径和类别数的对应修改。

预训练模型

1、Stanford Dogs 预训练模型

2、静态手势识别预训练模型(handpose_x_gesture_v1)

3、imagenet 预训练模型

  • 具体分类看json信息即"imagenet_msg.json",运行 read_imagenet_msg.py 读取。
  • "chinese_name"为类别中文名字,"doc_name"为数据集对应的每一类文件夹名字,前面的数字为模型的类别号从 "0"~"999",共 1000 类 。

4、Stanford_Cars 预训练模型

项目使用方法

模型训练

注意: train.py 中的 3个参数与具体分类任务数据集,息息相关,如下所示:

复制代码
    #---------------------------------------------------------------------------------
    parser.add_argument('--train_path', type=str, default = './handpose_x_gesture_v1/',
        help = 'train_path') # 训练集路径
    parser.add_argument('--num_classes', type=int , default = 14,
        help = 'num_classes') #  分类类别个数,gesture 配置为 14 , Stanford Dogs 配置为 120 , imagenet 配置为 1000
    parser.add_argument('--have_label_file', type=bool, default = False,
        help = 'have_label_file') # 是否有配套的标注文件解析才能生成分类训练样本,gesture 配置为 False , Stanford Dogs 配置为 True
  • 根目录下运行命令: python train.py (注意脚本内相关参数配置 )

模型推理

  • 根目录下运行命令: python inference.py (注意脚本内相关参数配置 )
相关推荐
sealaugh3225 分钟前
AI(学习笔记第十二课) 使用langsmith的agents
人工智能·笔记·学习
科技百宝箱25 分钟前
03-AI Agent全栈架构系统化落地指南
人工智能·架构
信息快讯27 分钟前
【机器学习赋能的智能光子学器件系统研究与应用】
人工智能·神经网络·机器学习·光学
mit6.8241 小时前
[Agent开发平台] 后端的后端 | MySQL | Redis | RQ | idgen | ObjectStorage
人工智能·python
GIOTTO情2 小时前
媒介宣发的技术革命:Infoseek如何用AI重构企业传播全链路
大数据·人工智能·重构
阿里云大数据AI技术2 小时前
云栖实录 | 从多模态数据到 Physical AI,PAI 助力客户快速启动 Physical AI 实践
人工智能
小关会打代码2 小时前
计算机视觉进阶教学之颜色识别
人工智能·计算机视觉
IT小哥哥呀2 小时前
基于深度学习的数字图像分类实验与分析
人工智能·深度学习·分类
机器之心2 小时前
VAE时代终结?谢赛宁团队「RAE」登场,表征自编码器或成DiT训练新基石
人工智能·openai
机器之心2 小时前
Sutton判定「LLM是死胡同」后,新访谈揭示AI困境
人工智能·openai