损失函数: 目前训练代码已经支持:交叉熵,LabelSmoothing,可以尝试FocalLoss等损失函数 4. 水果分类识别模型测试效果 demo.py文件用于推理和测试模型的效果,填写好配置文件,模型文件以及测试图片即可运行测试了 def get_parser(): # 配置文件 config_file = "data/pretrained/resnet18_1.0_CrossEntropyLoss_20220826100725...
1. 水果数据集Fruit-Dataset：包含262种水果，总计225,640张图像，是训练水果分类模型的理想资源。部分数据需自行清洗，以确保模型识别准确度。Fruits 360蔬果数据集：包含131种水果，90483张高质量图片，适合研究，但不适合实际应用，因为图片背景多为白色，且存在大量相似角度的图片。自定义数据集：支持新...
目前,基于ResNet18的水果分类识别,支持262种水果分类识别,在水果数据集Fruit-Dataset上,训练集的Accuracy在95%左右,测试集的Accuracy在83%左右,骨干网络,可支持googlenet, resnet[18,34,50], inception_v3,mobilenet_v2等常用模型。如果想进一步提高准确率,可以尝试: 最重要的: 清洗数据集,水果数据集Fruits-Dataset,...