文件名称：Efficientnet_pytorch_cbam_gui
文件大小：357KB
文件格式：ZIP
更新时间：2024-05-31 08:41:50
附件源码 文章源码
海洋生物分类 代码说明 pip-requirements.txt 需要安装的库 convert_dataset.py 整理csv文件格式的数据集 creat_map.py 生成对应的标签映射 train.py 训练主函数 test_one.py 利用训练好的模型预测一张图片 test_all.py 预测整个test文件里的图片 test_tta. py 预测时加入tta，但是实际效果不好，不知道哪里出了问题 sys_gui .py 运行时生成界面，可实现单张图片的读取，以及对单张图片的预测 训练方案 模型方面采用的是efficientnet-b5，在原始b5模型中增加了cbam注意力模块，数据增强方面使用了随机裁切、翻转、auto_augment、随机擦除以及cutmix, 损失函数采用CrossEntropyLabelSmooth，训练策略方面采用了快照集成（snapshot）思想。 第
【文件预览】：
Efficientnet_pytorch_cbam_gui-main
----sys_gui.py(13KB)
----test_onegui.py(2KB)
----checkpoint()
--------model_save.txt(152B)
----convert_dataset1.py(1KB)
----test_all1.py(2KB)
----create_map.py(848B)
----test_fornaive.py(4KB)
----train.py(12KB)
----get_size.py(2KB)
----underwater.txt(578B)
----test_all.py(2KB)
----test_one.py(2KB)
----SaveGesture.py(865B)
----pip-requirements.txt(194B)
----testImage()
--------test.jpg(96KB)
--------roi()
----CallFrame.py(6KB)
----gesture.txt(81B)
----test_tta.py(3KB)
----MyEfficientNet()
--------utils.py(14KB)
--------cbam_model.py(21KB)
--------__pycache__()
--------__init__.py(216B)
----README.md(2KB)
----utils()
--------loss.py(3KB)
--------tools.py(3KB)
--------ranger913A.py(8KB)
--------__pycache__()
--------dataset.py(877B)
--------auto_augment.py(11KB)
--------__init__.py(94B)
--------args.py(1KB)
--------rangerqh.py(7KB)
--------mymodel.py(2KB)
--------ranger.py(8KB)
----Frame.py(4KB)
----convert_dataset.py(1KB)
----train1.py(13KB)
----full_train.csv(207KB)
----af2020cv-2020-05-09-v5-dev()
--------training.csv(47KB)
--------pic-licenses.csv(188KB)
--------annotation.csv(20KB)
--------test.csv(19KB)
--------species.csv(497B)