./数据集/jeans/1.jpg 0
./数据集/jeans/10.jpg 0
./数据集/jeans/100.jpg 0
./数据集/jeans/101.jpg 0
./数据集/jeans/102.jpg 0
./数据集/jeans/104.jpg 0
./数据集/jeans/105.jpg 0
./数据集/jeans/107.jpg 0
./数据集/jeans/108.jpg 0
./数据集/jeans/109.jpg 0
./数据集/jeans/10_flip.jpg 0
./数据集/jeans/10_rotated45.jpg 0
./数据集/jeans/11.jpg 0
./数据集/jeans/110.jpg 0
./数据集/jeans/111.jpg 0
./数据集/jeans/112.jpg 0
./数据集/jeans/113.jpg 0
./数据集/jeans/114.jpg 0
./数据集/jeans/115.jpg 0
./数据集/jeans/116.jpg 0
./数据集/jeans/117.jpg 0
./数据集/jeans/118.jpg 0
./数据集/jeans/119.jpg 0
./数据集/jeans/11_flip.jpg 0
./数据集/jeans/11_rotated45.jpg 0
./数据集/jeans/12.jpg 0
./数据集/jeans/120.jpg 0
./数据集/jeans/122.jpg 0
./数据集/jeans/123.jpg 0
./数据集/jeans/124.jpg 0
./数据集/jeans/125.jpg 0
./数据集/jeans/127.jpg 0
./数据集/jeans/128.jpg 0
./数据集/jeans/129.jpg 0
./数据集/jeans/12_flip.jpg 0
./数据集/jeans/12_rotated45.jpg 0
./数据集/jeans/13.jpg 0
./数据集/jeans/132.jpg 0
./数据集/jeans/133.jpg 0
./数据集/jeans/134.jpg 0
./数据集/jeans/135.jpg 0
./数据集/jeans/138.jpg 0
./数据集/jeans/139.jpg 0
./数据集/jeans/13_flip.jpg 0
./数据集/jeans/13_rotated45.jpg 0
./数据集/jeans/14.jpg 0
./数据集/jeans/140.jpg 0
./数据集/jeans/141.jpg 0
./数据集/jeans/142.jpg 0
./数据集/jeans/143.jpg 0
./数据集/jeans/144.jpg 0
./数据集/jeans/145.jpg 0
./数据集/jeans/146.jpg 0
./数据集/jeans/147.jpg 0
./数据集/jeans/148.jpg 0
./数据集/jeans/14_flip.jpg 0
./数据集/jeans/14_rotated45.jpg 0
./数据集/jeans/151.jpg 0
./数据集/jeans/152.jpg 0
./数据集/jeans/153.jpg 0
./数据集/jeans/154.jpg 0
./数据集/jeans/155.jpg 0
./数据集/jeans/156.jpg 0
./数据集/jeans/157.jpg 0
./数据集/jeans/159.jpg 0
./数据集/jeans/15_flip.jpg 0
./数据集/jeans/15_rotated45.jpg 0
./数据集/jeans/161.jpg 0
./数据集/jeans/163.jpg 0
./数据集/jeans/164.jpg 0
./数据集/jeans/165.jpg 0
./数据集/jeans/166.jpg 0
./数据集/jeans/167.jpg 0
./数据集/jeans/169.jpg 0
./数据集/jeans/16_flip.jpg 0
./数据集/jeans/16_rotated45.jpg 0
./数据集/jeans/172.jpg 0
./数据集/jeans/173.jpg 0
./数据集/jeans/174.jpg 0
./数据集/jeans/175.jpg 0
./数据集/jeans/177.jpg 0
./数据集/jeans/178.jpg 0
./数据集/jeans/179.jpg 0
./数据集/jeans/17_flip.jpg 0
./数据集/jeans/17_rotated45.jpg 0
./数据集/jeans/18.jpg 0
./数据集/jeans/181.jpg 0
./数据集/jeans/183.jpg 0
./数据集/jeans/184.jpg 0
./数据集/jeans/185.jpg 0
./数据集/jeans/186.jpg 0
./数据集/jeans/18_flip.jpg 0
./数据集/jeans/18_rotated45.jpg 0
./数据集/jeans/1_flip.jpg 0
./数据集/jeans/1_rotated45.jpg 0
./数据集/jeans/_flip.jpg 0
./数据集/jeans/_rotated45.jpg 0
./数据集/tshirt/1.jpg 1
./数据集/tshirt/10.jpg 1
./数据集/tshirt/100.jpg 1
./数据集/tshirt/102.jpg 1
./数据集/tshirt/103.jpg 1
./数据集/tshirt/104.jpg 1
./数据集/tshirt/105.jpg 1
./数据集/tshirt/106.jpg 1
./数据集/tshirt/107.jpg 1
./数据集/tshirt/108.jpg 1
./数据集/tshirt/109.jpg 1
./数据集/tshirt/10_flip.jpg 1
./数据集/tshirt/11.jpg 1
./数据集/tshirt/110.jpg 1
./数据集/tshirt/112.jpg 1
./数据集/tshirt/113.jpg 1
./数据集/tshirt/114.jpg 1
./数据集/tshirt/116.jpg 1
./数据集/tshirt/118.jpg 1
./数据集/tshirt/11_flip.jpg 1
./数据集/tshirt/11_rotated45.jpg 1
./数据集/tshirt/12.jpg 1
./数据集/tshirt/121.jpg 1
./数据集/tshirt/122.jpg 1
./数据集/tshirt/123.jpg 1
./数据集/tshirt/124.jpg 1
./数据集/tshirt/126.jpg 1
./数据集/tshirt/127.jpg 1
./数据集/tshirt/128.jpg 1
./数据集/tshirt/12_flip.jpg 1
./数据集/tshirt/12_rotated45.jpg 1
./数据集/tshirt/13.jpg 1
./数据集/tshirt/130.jpg 1
./数据集/tshirt/131.jpg 1
./数据集/tshirt/133.jpg 1
./数据集/tshirt/134.jpg 1
./数据集/tshirt/135.jpg 1
./数据集/tshirt/136.jpg 1
./数据集/tshirt/138.jpg 1
./数据集/tshirt/139.jpg 1
./数据集/tshirt/13_rotated45.jpg 1
./数据集/tshirt/14.jpg 1
./数据集/tshirt/141.jpg 1
./数据集/tshirt/142.jpg 1
./数据集/tshirt/143.jpg 1
./数据集/tshirt/144.jpg 1
./数据集/tshirt/145.jpg 1
./数据集/tshirt/146.jpg 1
./数据集/tshirt/147.jpg 1
./数据集/tshirt/149.jpg 1
./数据集/tshirt/14_flip.jpg 1
./数据集/tshirt/150.jpg 1
./数据集/tshirt/151.jpg 1
./数据集/tshirt/153.jpg 1
./数据集/tshirt/154.jpg 1
./数据集/tshirt/156.jpg 1
./数据集/tshirt/157.jpg 1
./数据集/tshirt/158.jpg 1
./数据集/tshirt/159.jpg 1
./数据集/tshirt/15_flip.jpg 1
./数据集/tshirt/15_rotated45.jpg 1
./数据集/tshirt/16.jpg 1
./数据集/tshirt/160.jpg 1
./数据集/tshirt/161.jpg 1
./数据集/tshirt/163.jpg 1
./数据集/tshirt/164.jpg 1
./数据集/tshirt/165.jpg 1
./数据集/tshirt/166.jpg 1
./数据集/tshirt/167.jpg 1
./数据集/tshirt/168.jpg 1
./数据集/tshirt/169.jpg 1
./数据集/tshirt/16_flip.jpg 1
./数据集/tshirt/16_rotated45.jpg 1
./数据集/tshirt/17.jpg 1
./数据集/tshirt/170.jpg 1
./数据集/tshirt/171.jpg 1
./数据集/tshirt/172.jpg 1
./数据集/tshirt/174.jpg 1
./数据集/tshirt/175.jpg 1
./数据集/tshirt/176.jpg 1
./数据集/tshirt/177.jpg 1
./数据集/tshirt/178.jpg 1
./数据集/tshirt/179.jpg 1
./数据集/tshirt/17_flip.jpg 1
./数据集/tshirt/17_rotated45.jpg 1
./数据集/tshirt/18.jpg 1
./数据集/tshirt/180.jpg 1
./数据集/tshirt/181.jpg 1
./数据集/tshirt/183.jpg 1
./数据集/tshirt/184.jpg 1
./数据集/tshirt/185.jpg 1
./数据集/tshirt/186.jpg 1
./数据集/tshirt/187.jpg 1
./数据集/tshirt/189.jpg 1
./数据集/tshirt/18_flip.jpg 1
./数据集/tshirt/_flip.jpg 1
./数据集/tshirt/_rotated45.jpg 1
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
本代码是基于python pytorch环境安装的。 下载本代码后,有个requirement.txt文本,里面介绍了如何安装环境,环境需要自行配置。 或可直接参考下面博文进行环境安装。 https://blog.csdn.net/no_work/article/details/139246467 安装好环境之后, 代码需要依次运行 01数据集文本生成制作.py 02深度学习模型训练.py 和03pyqt_ui界面.py 数据集介绍,下载本资源后,界面如下: 数据集文件夹存放了本次识别的各个类别图片。 本代码对数据集进行了预处理,包括通过在较短边增加灰边,使得图片变为正方形(如果图片原本就是正方形则不会增加灰边),和旋转角度,来扩增增强数据集, 运行01数据集文本制作.py文件,会就读取数据集下每个类别文件中的图片路径和对应的标签 运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练,训练好后会保存模型在本地 训练完成之后会有log日志保存本地,里面记录了每个epoch的验证集损失值和准确率。 运行03
资源推荐
资源详情
资源评论
收起资源包目录
基于python-CNN卷积神经网络的服装识别.zip (250个子文件)
127.jpg 158KB
177.jpg 150KB
1_flip.jpg 139KB
1_rotated45.jpg 138KB
187.jpg 133KB
18.jpg 131KB
169.jpg 131KB
16_flip.jpg 130KB
112.jpg 129KB
16_rotated45.jpg 128KB
13_flip.jpg 124KB
13_rotated45.jpg 123KB
139.jpg 122KB
16_flip.jpg 122KB
16_rotated45.jpg 122KB
169.jpg 117KB
_flip.jpg 94KB
_rotated45.jpg 94KB
122.jpg 87KB
168.jpg 86KB
1_flip.jpg 85KB
13.jpg 85KB
14.jpg 85KB
1_rotated45.jpg 85KB
12.jpg 85KB
182.jpg 85KB
14_flip.jpg 82KB
151.jpg 82KB
14_rotated45.jpg 82KB
108.jpg 81KB
1.jpg 80KB
176.jpg 79KB
10_flip.jpg 78KB
18_rotated45.jpg 78KB
18_flip.jpg 78KB
10_rotated45.jpg 78KB
184.jpg 77KB
128.jpg 76KB
167.jpg 76KB
126.jpg 76KB
18.jpg 75KB
174.jpg 75KB
180.jpg 74KB
149.jpg 73KB
150.jpg 73KB
173.jpg 72KB
17.jpg 72KB
162.jpg 72KB
100.jpg 72KB
121.jpg 72KB
12_rotated45.jpg 72KB
136.jpg 71KB
12_flip.jpg 71KB
162.jpg 71KB
125.jpg 71KB
189.jpg 69KB
10_flip.jpg 68KB
13.jpg 68KB
157.jpg 68KB
10_rotated45.jpg 67KB
12.jpg 67KB
16.jpg 67KB
130.jpg 67KB
181.jpg 65KB
161.jpg 65KB
109.jpg 64KB
165.jpg 63KB
143.jpg 63KB
145.jpg 63KB
110.jpg 63KB
129.jpg 63KB
15_flip.jpg 62KB
15_rotated45.jpg 62KB
185.jpg 62KB
163.jpg 61KB
118.jpg 61KB
134.jpg 61KB
114.jpg 61KB
166.jpg 61KB
17_rotated45.jpg 61KB
116.jpg 60KB
17_flip.jpg 60KB
17_rotated45.jpg 60KB
17_flip.jpg 60KB
133.jpg 60KB
141.jpg 59KB
158.jpg 59KB
17.jpg 59KB
154.jpg 58KB
_rotated45.jpg 58KB
_flip.jpg 58KB
123.jpg 58KB
104.jpg 57KB
10.jpg 57KB
183.jpg 57KB
172.jpg 56KB
138.jpg 56KB
135.jpg 56KB
13_flip.jpg 56KB
13_rotated45.jpg 56KB
共 250 条
- 1
- 2
- 3
资源评论
bug生成中
- 粉丝: 1w+
- 资源: 2468
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- MATLAB【面板】的语音滤波设计.zip
- MATLAB【面板】汉字语音识别.zip
- MATLAB【面板】汉字识别.zip
- MATLAB【面板】的运动行为检测.zip
- MATLAB【面板】火焰识别系统设计.zip
- MATLAB【面板】基于DWT+SVD结合傅里叶变换的数字图像水印水印系统.zip
- MATLAB【面板】火焰烟雾检测.zip
- MATLAB【面板】交通道路标识识别.zip
- MATLAB【面板】家居防火识别系统.zip
- MATLAB【面板】教室人数统计.zip
- MATLAB【面板】考勤系统设计.zip
- MATLAB【面板】金属表面缺陷分析.zip
- MATLAB【面板】口罩识别.zip
- slm 增材制造选区激光熔化SLM的粉床数值模拟 备注:资料一直在更新,不断完善,尽可能把所有的内容讲详细 1该模拟资料包含粉床建立部分(EDEM,和Gambit软件)以及模型模拟部分Flow
- MATLAB【面板】垃圾分类系统.zip
- MATLAB【面板】口罩检测.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功