Awesome Backbones

العمود الفقري الرائع لتصنيف الصور

اكتب في المقدمة

• إذا لم يكن تأثير التدريب جيدًا ، فإن أول ما عليك فعله هو ضبط معدل التعلم وحجم الدُفعة ، مما يؤثر بشكل كبير على التقارب. ثانياً ، بدءًا من إيقاف تشغيل طرق تحسين الصور (وخاصة مجموعات البيانات الصغيرة) ، يمكن لبعض طرق تحسين الصور تلويث البيانات ، مثل

كيفية إزالة التحسينات؟ إذا كان من الممكن تغيير TRAIN_PIPELINه في ملف تكوين كفاءة NETV2-B0 إلى ما يلي

 train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='RandomResizedCrop',
        size=192,
        efficientnet_style=True,
        interpolation='bicubic'),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='ImageToTensor', keys=['img']),
    dict(type='ToTensor', keys=['gt_label']),
    dict(type='Collect', keys=['img', 'gt_label'])
]

إذا كانت مجموعة البيانات الخاصة بك قد غيرت الشكل إلى الحجم المطلوب من الشبكة مقدمًا ، فيمكن أيضًا إزالة عملية Resize .

تحديث سجل

2024.09.06

• تم إصلاح مشكلة النتائج العائمة الكبيرة أثناء تقييم ردود الفعل عالية التردد

2023.12.02

• وأضاف المخرجات التي ذكرها العديد من الأشخاص في القضية ، و ACC Train و Val Loss

  • metrics_outputs.csv يحفظ train_loss, train_acc, train_precision, train_recall, train_f1-score, val_loss, val_acc, val_precision, val_recall, val_f1-score للجميع لرسم الجميع
  • تمت ترقية المحطة من الإخراج الأصلي للمقاييس المرتبطة بـ VAL إلى كل من القطار والقطار

2023.08.05

• تمت إضافة Tinyvit (عدم تطابق الوزن قبل المراوغة) ، DeIt3 ، Edgenext ، RevvisionTransformer

2023.03.07

• تمت إضافة MobileVit و Davit و REPLKNET و BEIT و EVA و MIXMIM و CANFAINTNETV2

2022.11.20

• وأضاف ما إذا كان لاستخدام مجموعة الاختبار كخيار مجموعة التحقق. إذا لم يكن الأمر كذلك ، قسّم عدد مجموعات التحقق من التدريب المحدد حسب النسبة ، وحدده بشكل عشوائي من مجلد معين من مجموعة التدريب كمجموعة التحقق (على غرار K-Fold ولكن لا ، يمكنك تغييره قليلاً لتحقيق الغرض من K-Fold). انظر التدريب التعليمي للحصول على التفاصيل

بيئة اختبار

• Pytorch 1.7.1+
• بيثون 3.6+

مادة

مجموعة البيانات	فيديو تعليمي	مجموعة مناقشة تكنولوجيا الذكاء الاصطناعي
رمز استخراج花卉数据集: 0zat	انقر لي للقفز	المجموعة 1: 78174903 المجموعة 3: 584723646

ابدأ بسرعة

• تكوين كامل عن طريق بناء بيئة الحلقة
• قم بتنزيل وزن MobiLenetv3-Small إلى البيانات
• المدخلات الطرفية تحت مجلد عظام رهيبة

python tools/single_test.py datas/cat-dog.png models/mobilenet/mobilenet_v3_small.py --classes-map datas/imageNet1kAnnotation.txt

درس تعليمي

• بناء البيئة
• إعداد مجموعة البيانات
• تفسير ملف التكوين
• يدرب
• تقييم النموذج
• حساب التقلبات والمعلمة
• أضف مكونات نموذجية جديدة
• تصور الرسم البياني لتنشيط الفئة
• تصور استراتيجية معدل التعلم
• تصور سياسة تحسين البيانات

نموذج

• lenet5
• اليكسنيت
• vgg
• Densenet
• Resnet
• شحن واسع
• RESNEXT
• Seresnet
• سيريسينت
• regnet
• mobilenetv2
• mobilenetv3
• Shufflenetv1
• Shufflenetv2
• كفاءة
• repvgg
• res2net
• مقنع
• hrnet
• convmixer
• CSPNET
• صوف التحويل
• تحويل الرؤية
• محول في التحويل
• MLP-mixer
• Deit
• مطابقة
• T2T-Vit
• التوائم
• حمام السباحة
• شاحنة
• زنبور
• كفاءة
• محول Swin V2
• MVIT V2
• MobileVit
• ديفيت
• استبدال
• بيت
• إيفا
• mixmim
• كفاءة Netv2

الأوزان قبل التدريب

اسم	وزن	اسم	وزن	اسم	وزن
lenet5	لا أحد	اليكسنيت	لا أحد	vgg	VGG-11 VGG-13 VGG-16 VGG-19 VGG-11-BN VGG-13-BN VGG-16-BN VGG-19-BN
Resnet	RESNET-18 Resnet-34 RESNET-50 RESNET-101 RESNET-152	resnetv1c	resnetv1c-50 RESNETV1C-101 RESNETV1C-152	resnetv1d	resnetv1d-50 RESNETV1D-101 RESNETV1D-152
RESNEXT	RESNEXT-50 RESNEXT-101 RESNEXT-152	Seresnet	Seresnet-50 Seresnet-101	سيريسينت	لا أحد
regnet	regnetx-400mf regnetx-800mf regnetx-1.6gf regnetx-3.2gf regnetx-4.0gf regnetx-6.4gf regnetx-8.0gf regnetx-12gf	mobilenetv2	mobilenetv2	mobilenetv3	mobilenetv3-small mobilenetv3-large
Shufflenetv1	Shufflenetv1	Shufflenetv2	Shufflenetv2	كفاءة	كفاءة net-b0 كفاءة نيت-B1 كفاءة نيت-B2 كفاءة نيت-B3 كفاءة شنيت B4 كفاءة نيت-B5 كفاءة نيت-B6 كفاءة شنيت B7 كفاءة شنيت B8
repvgg	Repvgg-A0 Repvgg-A1 Repvgg-A2 Repvgg-B0 Repvgg-B1 Repvgg-A1 Repvgg-B1g2 Repvgg-B1g4 Repvgg-B2 Repvgg-B2G4 Repvgg-B2G4 Repvgg-B3 Repvgg-B3G4 repvgg-d2se	res2net	res2net-50-14W-8S res2net-50-26w-8s res2net-101-26W-4S	مقنع	مقنعة مقنع Small القاعدة المقنعة invnext-large Convnext-Xlarge
hrnet	Hrnet-W18 Hrnet-W30 Hrnet-W32 Hrnet-W40 Hrnet-W44 Hrnet-W48 Hrnet-W64	convmixer	Convmixer-768/32 Convmixer-1024/20 Convmixer-1536/20	CSPNET	CSPDARKNET50 CSPRESNET50 cspresnext50
محول سوين	Tiny-224 صغير 224 BASE-224 كبير -224 BASE-384 كبير 384	محول الرؤية	vit_base_p16_224 vit_base_p32_224 vit_large_p16_224 vit_base_p16_384 vit_base_p32_384 vit_large_p16_384	محول في المحول	TNT-SMALL
خلاط MLP	BASE_P16 large_p16	Deit	deit-tiny deit-tiny المقطر deit-small deit-small مقطوعة deit-base deit-base المقطر Deit-base 384px Deit-base Distilled 384px	مطابقة	مطابق-تيني ب مطابقة Small-P32 مطابقة Small-P16 مطابقة القاعدة-P16
T2T-Vit	T2T-VIT_T-14 T2T-VIT_T-19 T2T-VIT_T-24	التوائم	PCPVT-Small PCPVT-base PCPVT-LARGE SVT-Small SVT-base SVT-LARGE	حمام السباحة	Poolformer-S12 Poolformer-S24 Poolformer-S36 Poolformer-M36 Poolformer-M48
Densenet	Densenet121 Densenet161 Densenet169 Densenet201	شبكة الانتباه البصري (VAN)	فان تيني فان سمال فان بيز فان لارج	شحن واسع	WRN-50 WRN-101
زنبور	هورنيت ثني Hornet-tiny-GF Hornet-Small Hornet-Small-GF hornet-base Hornet-base-GF هورنت large Hornet-large-GF Hornet-Large-GF384	كفاءة	كفاءة التكافؤ-L1 كفاءة التكافؤ-L3 كفاءة التكافؤ-L7	محول Swin V2	Tiny-256 نافذة 8 Tiny-256 نافذة 16 Small-256 نافذة 8 Small-256 نافذة 16 نافذة BASE-256 8 نافذة BASE-256 16 نافذة كبيرة 256 16 كبير 384 نافذة 24
MVITV2	mvitv2-tiny MVITV2-Small MVITV2 قاعدة MVITV2-LARGE	MobileVit	mobilevit-xxsmall mobilevit-xsmall mobilevit-small	ديفيت	Davit-t Davit-S Davit-B
استبدال	REPLKNET-31B-224 REPLKNET-31B-384 REPLKNET-31L-384 REPLKNET-XL	بيت	beit-base	إيفا	EVA-G-P14-224 EVA-G-P14-336 EVA-G-P14-560 EVA-G-P16-224 EVA-L-P14-224 EVA-L-P14-196 EVA-L-P14-336
mixmim	mixmim-base	كفاءة Netv2	effaiveNetv2-B0 effaiveNetv2-B1 effaiveNetv2-B2 effaiveNetv2-B3 كفاءة netv2-s efficafnetv2-m كفاءة Netv2-L effaiveNetv2-xl	Deit3	deit3_small_p16 deit3_small_p16_384 deit3_base_p16 deit3_base_p16_384 deit3_medium_p16 deit3_large_p16 deit3_large_p16_384 deit3_huge_p16
Edgenext	قاعدة Edgeext edgeext-small Edgeext-X-Small edgeext-xx-small	RevVisionTransformer	Revvit-Small قاعدة Revvit

مشاريع أخرى أحافظ عليها

• بيانات الصورة غير كافية؟ لقد صنعت برنامج تحسين الصور
• بنقرة واحدة التحويل وتحرير ملفات وصفات وصفات الصور يحسن بشكل كبير الكفاءة

الرجوع إلى

 @repo{2020mmclassification,
    title={OpenMMLab's Image Classification Toolbox and Benchmark},
    author={MMClassification Contributors},
    howpublished = {url{https://github.com/open-mmlab/mmclassification}},
    year={2020}
}