torchversion使用自己的数据集,垃圾分类目标检测

源码和数据下载链接在文章底部

# 引入必要的库
import json
import pandas as pd
import time
import numpy as np
import matplotlib.pyplot as plt
import os, sys, glob
from data_aug.data_aug import *
from PIL import Image
import math
from tqdm import tqdm
import torch
import torchvision
import torchvision.transforms as T
from torchvision.models.detection.faster_rcnn import FastRCNNPredictor
from torch import autograd
%matplotlib inline

多目标垃圾图片已经标注好了
在这里插入图片描述

在这里插入图片描述
显示图片分布
在这里插入图片描述
在这里插入图片描述
图片增强 在这里插入图片描述
训练
在这里插入图片描述

预测

在这里插入图片描述
在这里插入图片描述
因为网站资源有1g限制,完整数据要下载data1—data8,8个压缩包,解压后放到train文件夹,因为只有一个json总文件,所以8个分卷其中一个存放有标注的json文件。
数据分卷5有json,最低运行可以只下载源码,数据分卷1,2,5
源码下载地址
data分卷1
data分卷2
data分卷3
data分卷4
data分卷5
data分卷6
data分卷7
data分卷8

版权声明:本文为CSDN博主「tf_q568897492」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_34351067/article/details/105738647

tf_q568897492

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

Yolo(3)(项目)Yolo v3 目标检测(85分类)

目录 基础理论 一、 读取文件 二、神经网络初始化 1、搭建神经网络 2、GPU加速 三、打开摄像头、按帧读取图像 四、向神经网络输入 五、获取神经网络输出 1、获取各层名称 2、获取输出层名称 3、获取输出层图像&#xff