本工程旨在降低进行分类、识别（定位+分类）、回归等任务时的工作难度。使研究生和开发人员集中精力在项目的核心部分，而不是花时间写重复的无意义重复代码。clone到本地后，按照实际需求进行调整的部分有：
-
dataloader文件夹下创建自己的数据加载
-
model文件夹下创建自己的模型类
-
Application中进行微调（可选）
下面将通过几个具体的例子来演示该项目的用法
1. 目标识别（定位+分类）以宠物分类数据集Oxford-IIIT Pet Dataset 为例
数据加载函数需要继承自torch.utils.data.Dataset类，根据实际情况实现**__init()__、__len()__** 、__getitem()__ 三个方法即可。主要是 __getitem__() 方法，返回数据和标签。由于本例实现的是目标检测，这里返回三个要素：数据、边界、类别。
class OXFordData(Dataset):
def __init__(self, data_path, mode='train'):
self.data_path = data_path
self.image_path = os.path.join(self.data_path, 'images')
self.xml_path = os.path.join(data_path, 'annotations/xmls')
if mode == 'train':
self.txt_file = data_path + '/annotations/trainval.txt'
elif mode == 'test':
self.txt_file = data_path + '/annotations/test.txt'
self.data_lines = self.get_list()
self.transforms = transforms.Compose([
transforms.Resize((256, 256)),
transforms.ToTensor()
])
def get_list(self):
with open(self.txt_file, 'r') as f:
lines = f.readlines()
return lines
def __len__(self):
return len(self.data_lines)
def __getitem__(self, index):
try:
line = self.data_lines[index].strip()
base_name = line.split(' ')[0]
file_name, label_class = f"{base_name}.jpg", line.split(' ')[1]
label_class = torch.tensor(int(label_class) - 1, dtype=torch.long)
img_path = os.path.join(self.image_path, file_name)
image = Image.open(img_path).convert('RGB')
if self.transforms:
image = self.transforms(image)
xml_file = os.path.join(self.xml_path, f"{base_name}.xml")
label_bd = torch.tensor(parse_xml_file(xml_file), dtype=torch.float)
except Exception as e:
# 如果你希望在出错时看到错误消息，可以取消下面这行的注释
# print(f"Error loading data: {e}")
return None, None, None
return image, label_bd, label_class返回值可以是列表、元祖或者字典，不同的数据结构需要再Applications.py中做出对应的修改。
数据加载完成后，设计网络模型，网络模型应继承自torch.nn.Module类。为完成本例中的任务，修改resnet50的头部，修改为定位头和分类头：
class PetsNet(nn.Module):
def __init__(self, num_classes=37):
super(PetsNet, self).__init__()
self.num_classes = num_classes
self.backbone = resnet34(weights=ResNet34_Weights.DEFAULT)
in_features = self.backbone.fc.in_features
self.backbone.fc = nn.Identity() # 移除原有的全连接
self.classifier_fc = nn.Linear(in_features, self.num_classes)
self.bound_fc = nn.Linear(in_features, 4)
def forward(self, x):
features = self.backbone(x)
class_logits = self.classifier_fc(features)
bbox = self.bound_fc(features)
return bbox, class_logits可以对网络进行测试，确保处理后的图片数据经过forward可以得到正确的shape, 如：
net = PetsNet(37)
data = torch.randn(32, 3, 256, 256)
class_logits, bbox = net(data)
print(class_logits.shape, bbox.shape)在Application.py中进行代码的微调，由于当前版本就是基于本例做的，这部分可以不做，直接修改main.py中的超参数，开始训练
训练得到的参数变化过程
验证集的混淆矩阵
定位和识别结果
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent