交通标识分类

author: Luvoy

这是一个多分类

流程&思路

将一些超参数存放在一个文件中, 用的时候方便读取
- 这里用了一个py文件, 其他py文件用import方式读取
先对数据进行了标注, 并生成csv文件
用csv文件, 生成数据集
- 定义了MyDataset类
- 每条数据格式: {'image': image, 'class_id': class_id}
- transform操作在此文件完成, 包括放缩和翻转
- dataloader也直接生成了, 用的话直接import
验证数据集, 用显示图片和类别的方式可视化验证
- 用matplotlib制作了一个显示器, 可以点击按钮来显示上一张下一张, 可以随机也可以按顺序
搭建网络模型
- 包括ResNet18和老项目那个简单的网络
- FC层返回的维度和分类的总数有关
训练
- 优化器SGD
- Loss交叉熵
- 借鉴了老项目的结构
- 训练完成会将Loss下降过程可视化
- 训练时会及时保存一个日志文件
- 训练完会保存模型
预测
- 加载已保存的模型
- 用test的数据集进行predict

python version = 3.7.6

torch version = 1.4.0

CUDA version = 10.2

GPU: GTX 960m

CPU: i7-6700HQ

MEMORY: 16GB

Platform: Ubuntu 18.04

Name		Name	Last commit message	Last commit date
Latest commit History 5 Commits
README_images		README_images
saved_model		saved_model
test		test
train		train
README.md		README.md
data_set_loader.py		data_set_loader.py
hyper_parameters.py		hyper_parameters.py
make_anno.py		make_anno.py
network.py		network.py
predict.py		predict.py
test_annotation.csv		test_annotation.csv
train.py		train.py
train_annotation.csv		train_annotation.csv
train_log.txt		train_log.txt
visualize_dataset.py		visualize_dataset.py