XLPR_Classification：Image Recognition Classification Framework - Basic Edition

Atari has topped itself with SwordQuest!
在这个教程中，将演示通过该分类框架实现简易的手势识别。方便大家了解深度学习以及计算机视觉。

安装

# 在开始安装前，请确认操作系统为Ubuntu，且已经安装Anaconda

# 创建运行虚拟环境，建议python=3.7，名称可以自己调整
conda create -n classify python=3.7

# 激活环境
source activate classify

# 安装相关依赖环境（Pytorch、TF2.0、CUDA等）

# 环境依赖：Pytorch>=1.6,TensorFlow>=2.0, CUDA(兼容), prettytable, sklearn, albumentations, cv2, matplotlib

# 如果报错，请调整上述环境依赖包的版本或联系神奇海螺

环境安装教程请参考环境安装

框架使用教程请参考框架教程 （内附数据集下载）

使用

---

框架概述

• 主函数接口

train.py：进行模型的训练  *CUDA_VISIBLE_DEVICES=0 python train.py*
inference.py： 进行模型的预测与评估 *CUDA_VISIBLE_DEVICES=0 python inference.py*
mean_std.py: 计算数据集均值与方差，进行z-score 标准化 *python mean_std.py* 

• 重要文件夹概述

.{ROOT}
├── Dataloaders
│   ├── Dataloader.py 数据集索引文件 
│   ├── GestureDataSet.py 手势识别Dataloader
├── Networks
│   ├── Model.py 模型索引文件 
│   ├── ResNet.py
│   ├── ...
│   ├── ...
│   └── DenseNet.py 
├── Utils
│   ├── Criterion.py 损失函数
│   ├── Optimizer.py 优化器
│   ├── Scheduler.py 学习策略
│   ├── TextLogger.py Log日志
│   ├── Trainer.py 训练验证过程
│   └── utils.py 初始化文件
├── test
│   ├── linux.jpg Linus Benedict Torvalds国际友好手势
│   ├── wakan.jpg Vulcan 举手礼星际友好手势
├── interpretability
│   ├── grad_cam.py Grad CAM实现
│   ├── guided_back_propagation.py CAM++ 梯度截取
│   ├── heatmap.py 热值图接口
├── train.py 训练验证文件
├── inference.py 预测文件（已经加入热值图）
├── mean_std.py 计算均值与标准差