本项目基于https://github.com/paradiseDust/ChineseFoodNet-EffiNet-L2
- 实现了使用Resnet50训练ChineseFoodNet,并达到测试集与验证集上top1 70%,top5 90%的精度。
- 对原代码进行修补,增加了模型的保存和读取功能。
- 添加了计算top1和top5 accuracy的函数,可计算train,test,valid等数据集上的准确率
数据集下载: https://pan.baidu.com/s/19lPkSGhMwe5QLLXHNOu-Zw?pwd=7rur
下载训练权重: 链接:https://pan.baidu.com/s/1m4IvWSB74BATBhwR78ZDtw?pwd=89d3 提取码:89d3
放到model_data文件夹下
此权重实现效果: 训练集train Top 1 Accuracy: 97.28%, Top 5 Accuracy: 99.83% 验证集valid Top 1 Accuracy: 68.76%, Top 5 Accuracy: 90.95% 测试集test Top 1 Accuracy: 68.93%, Top 5 Accuracy: 91.09%
以下为原仓库readme
该仓库主要完成了对数据集ChineseFoodNet的数据集类的PyTorch版本的编写,有助于各种深度学习框架快速训练。
并且使用EffiNet-L2(SAM)完成了对食物的208类分类网络的搭建。
这个是一个关于**传统食物图片的数据集。其中包含了208类食物,数据集图片总量大小约20G,数量约18W,关于数据集的详细描述可以参见ChineseFoodNet。
该数据集作者声明可做公开学术交流,由于数据集过大,仓库不上传该数据集,仅提供下载连接,供有需要的下载学习。
- 图片数据:
- 标签数据:
该版本的代码由PyTorch实现,版本为1.8.1。
配置好环境后,需要将数据集下载到ChineseFoodNet文件夹,按照下图的文件目录组织即可:
- 项目仅作为学习交流使用
- 有任何问题可以留言