该项目为【【软件杯-B6智慧农业-植物表型特征识别】赛题-🔍】 中的深度学习模型部分, 旨在实现三类植物叶片病害的分类,属于ImageClassification任务,本身任务难度为入门,部分难度中等。
深度学习模型部分主要目标是训练出一个性能、泛化能力较好的模型,再与后端对接,使其该模型能被java调用且预测的输出结果与python一致,旨在完成该任务。
深度学习模型的开发主要分为以下:
1、数据预处理(包括数据集的下载、分析、划分、数据增强等)
2、模型搭建(包括神经网络结构搭建、添加各种tricks等)
3、模型训练(包括训练模型、可视化训练过程、调参优化)
4、模型预测(包括单张、批量图片的预测(提前提取的测试集))
5、模型部署(包括pth模型转onnx模型,使其能够被后端java调用)
项目根目录下的各个文件夹及文件的说明:
-LeafDiseaseCls/ 根目录
-&temp/ 临时文件夹
-dataset/ 数据集文件夹(提前划分好的训练、验证、测试集)
-test/ 测试集
-train/ 训练集
-val/ 验证集
-downloads/ 爬虫保存图片网图)
-predict_demo/ 预测demo(torch、onnx模型的预测)
-wandb/ wandb可视化相关(含训练保存的模型权重文件)
-downloadimg.py 爬取百度图库图片脚本
-get_testimg.py 提取测试集脚本(预处理)
-load_data.py 加载数据集脚本
-model.onnx onnx权重文件
-model.2222.onnx
-modek-nor-0.5.onnx
-mogai_transflorm_resize.py 魔改transfroms中的resize函数
-net.py 神经网路结构
-normilize.py 求自定义数据集的mean、std
-predict.py 预测脚本
-README.md
-requirement.txt 依赖库
-show_dataset.py 可视化数据集脚本
-split_train_val.py 划分训练集、验证集(预处理)
-summary_dataset.py 打印数据集信息
-torch2onnx.py torch转onnx
-train.py 训练脚本
# 创建虚拟环境
conda create -n myenv python=3.7
# 激活虚拟环境
conda activate myenv
# 下载依赖库
pip install -r requirements.txt
1)需要注册wandb-🔍 ,修改wandb初始化信息,将下面部分改为你自己的信息:
2)执行训练脚本:
python train.py
1)修改模型权重文件的路径:
2)选择单张或批量预测,自行注释相关部分即可;
3)执行预测脚本:
python predict.py
若有问题,联系技术支持[email protected]