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...
Fruit-Dataset水果数据集+水果分类识别训练代码本项目利用深度学习技术，提供了一个水果分类识别训练与测试的框架，支持多种模型如googlenet, resnet, inception_v3, mobilenet_v2等。主要涉及以下内容：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...
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,...
本项目将采用深度学习的方法,基于Pytorch搭建一个垃圾分类识别的训练和测试系统,实现智能化垃圾分类。目前,基于ResNet18的垃圾分类识别,在垃圾数据集dataset2,训练集的Accuracy在94%左右,测试集的Accuracy在92%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...