安装 torch-1.2.0-cp36-cp36m-win_amd64.whl torchvision-0.4.0-cp36-cp36m-win_amd64.whl
CUDA 10.1
model.py: 是模型文件
train.py: 是调用模型训练的文件
predict.py: 是调用模型进行预测的文件
class_indices.json: 是训练数据集对应的标签文件
- (1)在data_set文件夹下创建新文件夹"flower_data"
- (2)打开flower_link.txt文档,复制网址到浏览器会自动进行下载花分类数据集
- (3)解压数据集到flower_data文件夹下
- (4)执行"split_data.py"脚本自动将数据集划分成训练集train和验证集val
(不要重复使用该脚本,否则训练集和验证集会混在一起,flower_data文件夹结构如下)
|—— flower_data
|———— flower_photos(解压的数据集文件夹,3670个样本)
|———— train(生成的训练集,3306个样本)
|———— val(生成的验证集,364个样本)
根据YOLO的result文件,将置信度<0.5的目标裁剪出来,裁剪算法用yanzhen的或者飞飞的裁剪那2个其中一个,MATLAB文件。裁剪出来的图片再送进VGG检测,检测生成的文件再使用飞飞的search文件,和原来的RESULT文件进行合并