/ChineseFoodNet-Resnet50

Training code for ChineseFoodNet dataset. 对ChineseFoodNet数据集的训练代码

Primary LanguagePythonOtherNOASSERTION

README

本项目基于https://github.com/paradiseDust/ChineseFoodNet-EffiNet-L2

本人对项目的补充和改进

  1. 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。
  2. 对原代码进行修补，增加了模型的保存和读取功能。
  3. 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

1 Background

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。

2 ChineseFoodNet

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。

  1. 图片数据：
  1. 标签数据：

3 Usage&Install

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：

Untitled

4 Notice

  • 项目仅作为学习交流使用
  • 有任何问题可以留言