Awesome Backbones

Потрясающие основы для классификации изображений

Напишите впереди

• Если эффект обучения не очень хорош, первое, что вам нужно сделать, это скорректировать скорость обучения и размера партии, что значительно влияет на конвергенцию. Во -вторых, начиная с отключения методов улучшения изображения (особенно небольших наборов данных), некоторые методы улучшения изображений могут загрязнять данные, такие как

Как удалить улучшения? Если Train_pipeline в файле конфигурации EfficeNetV2-B0 можно изменить на следующее

 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'])
]

Если ваш набор данных заранее изменил форму на сетевой размер, операция Resize также может быть удалена.

Обновление журнала

2024.09.06

• Исправлена проблема больших плавающих результатов во время оценки высокочастотной обратной связи

2023.12.02

• Добавлены выходы, упомянутые многими людьми , потерейте ACC и VAL

  • metrics_outputs.csv сохраняет train_loss, train_acc, train_precision, train_recall, train_f1-score, val_loss, val_acc, val_precision, val_recall, val_f1-score для всех, чтобы нарисовать
  • Терминал был модернизирован с исходного вывода val -связанных метрик как до поезда, так и до Val

2023.08.05

• Добавлены Tinyvit (несоответствие веса предварительного подготовки), Deit3 , Edgenext , RevvisionTransformer

2023.03.07

• Добавлено MobileVit , Davit , Replknet , Beit , Eva , Mixmim , EffificTnetV2

2022.11.20

• Добавлено ли использовать набор тестирования в качестве опции «Набор проверки». Если нет, разделите количество наборов проверки из обучающего набора по отношению и случайным образом выберите его из определенной папки обучающего набора в качестве набора проверки (аналогично K-сфере, но нет, вы можете немного изменить его, чтобы достичь цели K-Cold). Подробнее см. Учебное пособие по обучению

Тестовая среда

• Pytorch 1.7.1+
• Python 3.6+

материал

Набор данных	Видеоурок	Дискуссионная группа технологий искусственного интеллекта
Код извлечения花卉数据集: 0zat	Нажмите меня, чтобы прыгнуть	Группа 1: 78174903 Группа 3: 584723646

Начните быстро

• Полная конфигурация по конструкции среды петли
• Скачать MobilEnetv3-Small Weight to DataS
• Ввод терминала в папке Awesome Backbones

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

Учебник

• Строительство окружающей среды
• Подготовка набора данных
• Пояснение файла конфигурации
• тренироваться
• Оценка модели
• Рассчитайте флопы и параметры
• Добавить новые компоненты модели
• Визуализация графа активации категории
• Визуализация стратегии ставки обучения
• Визуализация политики улучшения данных

Модель

• Lenet5
• Алекснет
• Vgg
• Денсенет
• Resnet
• Широко-ремешник
• Resnext
• Seresnet
• Seresnext
• Регнет
• Mobilenetv2
• Mobilenetv3
• Shufflenetv1
• Shufflenetv2
• EfficeNet
• Repvgg
• Res2net
• Убежден
• Hrnet
• Convmixer
• CSPnet
• SUN-Transformer
• Vision-Transformer
• Трансформатор-в-трансформатор
• MLP-Mixer
• Деит
• Конформер
• T2T-Vit
• Двойняшки
• Poolformer
• Фургон
• Шершень
• Эффективно
• SWIN Transformer v2
• MVIT V2
• MobileVit
• Давит
• Replnet
• Бейт
• Ева
• Микмим
• EfficeNetV2

Предварительно тренировочные веса

имя	Масса	имя	Масса	имя	Масса
Lenet5	Никто	Алекснет	Никто	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	Seresnext	Никто
Регнет	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	EfficeNet	EfficeNet-B0 EfficeNet-B1 EfficeNet-B2 EfficeNet-B3 EfficeNet-B4 EfficeNet-B5 EfficeNet-B6 EfficeNet-B7 EfficeNet-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	Убежден	Убедительный-неподходящий Urvnext-small Убедительная база Убедительный большой Urvnext-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
SWIN Transformer	крошечный-224 Маленький-224 База-224 Большой-224 База-384 большой 384	Vision Transformer	vit_base_p16_224 vit_base_p32_224 vit_large_p16_224 vit_base_p16_384 vit_base_p32_384 vit_large_p16_384	Трансформатор в трансформаторе	Tnt-Small
MLP -миксер	base_p16 большой_П16	Деит	Деит-нижний Deit-Tiny Distilled Deit-Small Deit-Small Distilled Деит-баз Дейт-баз дистиллирован Deit-base 384px DEIT-баз дистиллирован 384PX	Конформер	Confermer-Pliny-P16 Confermer-Small-P32 Confermer-Small-P16 Confermer-Base-P16
T2T-Vit	T2T-VIT_T-14 T2T-VIT_T-19 T2T-VIT_T-24	Двойняшки	Pcpvt-small Pcpvt-base PCPVT-Large Svt-Small SVT-баз SVT-Large	Poolformer	Poolformer-S12 Poolformer-S24 Poolformer-S36 Poolformer-M36 Poolformer-M48
Денсенет	Денсенет121 Денсенет161 Денсенет169 Densenet201	Визуальная сеть внимания (фургон)	Ван-нижний Ван-Смалл Ван-баз Фургон-широкий	Широко-ремешник	WRN-50 WRN-101
Шершень	Шершень-нижний Hornet-Nyiny-GF Хорнет-Смалл Хорнет-Смалл-Гф База шершня Хорнет-баз-GF Голостого шершня Hornet-Large-GF Hornet-Large-GF384	Эффективно	Эффективно-формимер-L1 Эффективный формамер-L3 Эффективно-формимер-L7	SWIN Transformer v2	крошечное окно 8 крошечное окно 16 Small-256 окно 8 Маленький-256 окно 16 База-256 окно 8 База-256 окно 16 Большое 256 окно 16 Большое-384 окно 24
MVITV2	MVITV2-Tiny MVITV2-SMALL MVITV2-BASE MVITV2-Large	MobileVit	MobileVit-xxsmall MobileVit-Xsmall MobileVit-Small	Давит	Дэвит-Т Дэвит-С. Дэвит-Б
Replnet	Replknet-31b-224 Replknet-31b-384 Replknet-31L-384 Replknet-xl	Бейт	Бейт-баз	Ева	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
Микмим	микмим-база	EfficeNetV2	EfficeNetV2-B0 EfficeNetV2-B1 EfficeNetV2-B2 EfficeNetV2-B3 EfficeNetV2-S EfficeNetV2-M EfficeNetV2-L EfficeNetV2-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	EdgeExt-Base EdgeExt-Small EdgeExt-X-Small EdgeExt-xx-Small	RevvisionTransformer	Revvit-Small Revvit-баз

Другие проекты, которые я поддерживаю

• Недостаточно данных изображения? Я сделал программное обеспечение для улучшения изображения
• Программное обеспечение для маркировки изображений в одном клике.

обратиться к

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