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
苏苏susuus33 分钟前
NLP:Transformer之self-attention(特别分享3)
人工智能·自然语言处理·transformer
猫天意36 分钟前
【目标检测】metrice_curve和loss_curve对比图可视化
人工智能·深度学习·目标检测·计算机视觉·cv
山烛1 小时前
OpenCV:图像透视变换
人工智能·opencv·计算机视觉·图像透视变换
艾醒(AiXing-w)1 小时前
探索大语言模型(LLM):Ollama快速安装部署及使用(含Linux环境下离线安装)
linux·人工智能·语言模型
月小水长1 小时前
大模型接入自定义 MCP Server,我开发了个免费使用的基金涨跌归纳和归因分析的 Agent
人工智能·后端
咏方舟【长江支流】1 小时前
AI+华为HarmonyOS开发工具DevEco Studio详细安装指南
人工智能·华为·移动开发·harmonyos·arkts·deveco studio·长江支流
阿里云云原生2 小时前
Qoder 全新「上下文压缩」功能正式上线,省 Credits !
人工智能
我星期八休息2 小时前
深入理解跳表(Skip List):原理、实现与应用
开发语言·数据结构·人工智能·python·算法·list
HenrySmale2 小时前
05 回归问题和分类问题
分类·数据挖掘·回归
蒋星熠2 小时前
如何在Anaconda中配置你的CUDA & Pytorch & cuNN环境(2025最新教程)
开发语言·人工智能·pytorch·python·深度学习·机器学习·ai