MobileNetV2 图像分类项目

本项目使用PyTorch框架实现基于MobileNetV2的图像分类模型。

环境要求

• Python 3.7+
• PyTorch 1.10+
• torchvision
• tqdm

安装依赖：

pip install torch torchvision tqdm

数据准备

1. 创建以下目录结构：

train_data/
    1/
        train/
        test/
model/
    1/
test_image/

2. 将训练图像放入train_data/1/train目录，每个类别一个子目录
3. 将测试图像放入train_data/1/test目录，保持相同的类别结构

训练模型

运行训练脚本：

python train_mobilenetv2.py

训练参数：

• 训练轮数：20
• 批量大小：64
• 学习率：0.0001
• 优化器：Adam
• 学习率调度器：ReduceLROnPlateau

模型保存

训练好的模型将保存在model/1/目录下，文件名包含训练轮数和准确率。

目录结构

.
├── train_mobilenetv2.py       # 主训练脚本
├── pretreatment.ipynb         # 数据预处理notebook
├── test.ipynb                 # 测试notebook
├── train_data/                # 训练数据（git忽略）
│   └── 1/
│       ├── train/             # 训练图像
│       └── test/              # 测试图像
├── model/                     # 保存的模型（git忽略）
│   └── 1/
└── test_image/                # 测试图像（git忽略）

注意事项

• 项目使用预训练的MobileNetV2模型
• 数据增强包括随机裁剪和水平翻转
• 如果有GPU会自动使用GPU进行训练