基于卷积神经网络的宠物猫品种识别系统，resnet50，mobilenet模型【pytorch框架+python源码】
更多目标检测、图像分类识别、目标追踪等项目可看我主页其他文章
功能演示：
宠物猫品种识别系统，卷积神经网络，resnet50，mobilenet【pytorch框架，python源码】_哔哩哔哩_bilibili
（一）简介基于卷积神经网络的宠物猫品种识别系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，ui界面和各种模型指标图表等。
该项目有两个可选模型：resnet50和mobilenet，两个模型都在项目中；GUI界面由pyqt5设计和实现，界面中给出模型预测病害的结果、概率和对应的防治措施。此项目的两个模型可做对比分析，增加工作量。
该项目是在pycharm和anaconda搭建的虚拟环境 或者 vscode和anaconda搭建的虚拟环境 执行的
pycharm和anaconda安装和配置可观看教程：
超详细的pycharm+anaconda搭建python虚拟环境_pycharm虚拟环境搭建-CSDN博客
vscode和anaconda安装和配置可观看教程：
保姆级的vscode+anaconda搭建python虚拟环境-CSDN博客
（二）项目介绍 1. 项目结构
该项目可以使用已经训练好的模型权重，也可以自己重新训练，自己训练也比较简单
以训练resnet50模型为例：
第一步：修改model_resnet50.py的数据集路径，模型名称、模型训练的轮数
第二步：模型训练和验证，即直接运行model_resnet50.py文件
第三步：使用模型，即运行gui_chinese.py文件即可通过GUI界面来展示模型效果
2. 数据结构
部分数据展示：
4.模型训练和验证的一些指标及效果 1）模型训练和验证的准确率曲线，损失曲线
由于篇幅有限，只展示核心代码
def main(self, epochs):
log_file_name = './results/resnet50训练和验证过程.txt'
sys.stdout = Logger(log_file_name)
print("using {} device.".format(self.device))
begin_time = time()
train_loader, validate_loader, class_names, train_num, val_num = self.data_load()
print("class_names: ", class_names)
train_steps = len(train_loader)
val_steps = len(validate_loader)
model = self.model_load()
in_channel = model.fc.in_features
model.fc = nn.Linear(in_channel, len(class_names))
x = torch.randn(16, 3, 224, 224)
model_visual_path = 'results/resnet50_visual.onnx'
torch.onnx.export(model, x, model_visual_path)
model.to(self.device)
loss_function = nn.CrossEntropyLoss()
params = [p for p in model.parameters() if p.requires_grad]
optimizer = optim.Adam(params=params, lr=0.0001)
train_loss_history, train_acc_history = [], []
test_loss_history, test_acc_history = [], []
best_acc = 0.0
for epoch in range(0, epochs):
model.train()
running_loss = 0.0
train_acc = 0.0
train_bar = tqdm(train_loader, file=sys.stdout)
for step, data in enumerate(train_bar):
images, labels = data
optimizer.zero_grad()
outputs = model(images.to(self.device))
train_loss = loss_function(outputs, labels.to(self.device))
train_loss.backward()
optimizer.step()
running_loss += train_loss.item()
predict_y = torch.max(outputs, dim=1)[1]
train_acc += torch.eq(predict_y, labels.to(self.device)).sum().item()
train_bar.desc = "train epoch[{}/{}] loss:{:.3f}".format(epoch + 1,
epochs,
train_loss)
model.eval()
val_acc = 0.0
testing_loss = 0.0
with torch.no_grad():
val_bar = tqdm(validate_loader, file=sys.stdout)
for val_data in val_bar:
val_images, val_labels = val_data
outputs = model(val_images.to(self.device))
val_loss = loss_function(outputs, val_labels.to(self.device))
testing_loss += val_loss.item()
predict_y = torch.max(outputs, dim=1)[1]
val_acc += torch.eq(predict_y, val_labels.to(self.device)).sum().item()
train_loss = running_loss / train_steps
train_accurate = train_acc / train_num
test_loss = testing_loss / val_steps
val_accurate = val_acc / val_num
train_loss_history.append(train_loss)
train_acc_history.append(train_accurate)
test_loss_history.append(test_loss)
test_acc_history.append(val_accurate)
print('[epoch %d] train_loss: %.3f val_accuracy: %.3f' %
(epoch + 1, train_loss, val_accurate))
if val_accurate > best_acc:
best_acc = val_accurate
torch.save(model.state_dict(), self.model_name)
end_time = time()
run_time = end_time - begin_time
print('该循环程序运行时间：', run_time, "s")
self.show_loss_acc(train_loss_history, train_acc_history,
test_loss_history, test_acc_history)
test_real_labels, test_pre_labels = self.heatmaps(model, validate_loader, class_names)
self.calculate_confusion_matrix(test_real_labels, test_pre_labels, class_names)
（四）总结以上即为整个项目的介绍，整个项目主要包括以下内容：完整的程序代码文件、训练好的模型、数据集、UI界面和各种模型指标图表等。
整套项目资料齐全，一步到位，省心省力。
项目运行过程如出现问题，请及时交流！
相关知识
基于卷积神经网络的狗狗品种分类、识别系统，resnet50，mobilenet模型【pytorch框架+python】
基于卷积神经网络的宠物皮肤病识别系统，resnet50，mobilenet模型【pytorch框架+python】
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
深度学习之基于Vgg16卷积神经网络的宠物皮肤疾病识别系统
基于Pytorch框架的深度学习ConvNext神经网络宠物猫识别分类系统源码
宠物行为识别教程：基于DenseNet模型与PyTorch框架
基于Python深度学习的【猫狗宠物识别】系统设计实现
基于 python的猫、狗、鼠、兔宠物识别系统
【计算机科学】【2019.03】基于深度学习的动物识别
网址: 基于卷积神经网络的宠物猫品种识别系统，resnet50，mobilenet模型【pytorch框架+python源码】 https://m.mcbbbk.com/newsview996108.html
| 上一篇: 你好我的宠物猫被邻居的宠物狗咬死 |
下一篇: 上海购买宠物猫狗的正规平台？这里 |
