计算机视觉项目：Swin-Transformer 【tiny、small、base】模型实现的图像识别项目：番茄病害图像分类

【项目简介】 代码主干网络采用Swin-Transformer 家族系列，包括【tiny、small、base】三种模型。pretrained和freeze_layers参数为是否采用官方预训练模型和是否仅训练分类头。为了做对比消融试验，优化器采用了Adam和SGD、AdamW三种。损失函数采用多类别的交叉熵、学习率优化策略采用cos余弦退火算法 【评估网络】 评估的指标采用loss和准确率（accuracy），分别会在训练集和验证集上进行评估、输出、绘制曲线图像。同时会在训练集、验证集进行一系列评估，包含混淆矩阵、recall、precision、F1 score等等曲线图像，以及recall、precision、F1 score、特异度的输出信息等等。 【具体各类别的指标在json文件中查看】 【如果想要更换数据集训练，参考readme文件】 【本项目为8种番茄病害图片（约4k张数据），包含数据集和标签，可以一键运行】