- 多目标多分类基础模型，模型采用ResNet_101，ImageNet预训练。
- 训练集与验证集采用MS COCO。
- python
- torch
- torchvision
- numpy
- PIL
- matplotlib(如果需要展示图像)
使用MS COCO数据集。
图像处理方式：
- 随机裁剪
- 随机翻转
- 归一化
修改路径参数、超参数等统一：vim xxx.python
- Clone：
git clone https://github.com/MagicianQi/multi_label_image_classificationcd ./multi_label_image_classification
- 生成MS COCO分类标签：
- 生成标签文件：
python ./scrpits/generate_coco_labels.py
- 生成标签文件：
- 训练：
- 训练 ：
python resnet_multi_label.py - 后台训练：
screen python resnet_multi_label.py
- 训练 ：
- 验证：
- 计算准确率(acc)：
python evaluate_multi_label_acc.py - 计算召回率(recall)：
python evaluate_multi_label_recall.py
- 计算准确率(acc)：
- 测试：
- 测试图像结果：
python testing_multi_label.py 1.jpg 2.jpg 3.jpg
- 测试图像结果：
Image:
Result(Top5):
['person', 0.9997881], ['cell phone', 0.7692987], ['tv', 0.6630157], ['laptop', 0.5872826], ['tie', 0.24580538]
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent