本文主要是介绍图像识别完整项目之Swin-Transformer，从获取关键词数据集到训练的完整过程，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
0. 前言
图像分类的大部分经典神经网络已经全部介绍完，并且已经作了测试
代码已经全部上传到资源，根据文章名或者关键词搜索即可
LeNet ：pytorch 搭建 LeNet 网络对 CIFAR-10 图片分类
AlexNet ： pytorch 搭建AlexNet 对花进行分类
Vgg ： pytorch 搭建 VGG 网络
GoogLeNet ： pytorch 搭建GoogLeNet
ResNet ： ResNet 训练CIFAR10数据集，并做图片分类
关于轻量级网络
MobileNet 系列：
- V1 ：MobileNet V1 图像分类
- V2 ：MobileNet V2 图像分类
- V3 ：MobileNet V3 图像分类
ShuffleNet 系列：
- V1 ： ShuffleNet V1 对花数据集训练
- V2 ： ShuffleNet V2 迁移学习对花数据集训练
EfficientNet 系列：
- V1 ：EfficientNet 分类花数据集
- V2 ：EfficientNet V2
Swin-Transformer ：Swin-Transformer 在图像识别中的应用
本章将根据 Swin-Transformer 网络对图像分类ending，包括如何获取数据集，训练网络、预测图像等等。
本文从头实现对Marvel superhero 进行分类记录，项目下载在后面
代码尽量简单，小白均可运行，不需要定义复杂的变量
网络精度高，采用迁移学习
1. 项目目录
文件目录如下所示：
注：项目的文件夹和代码不可更改，要不然会报错，至于超参数的更改下面会介绍！！
inference 是预测的文件夹，将预测的图像放在该文件夹下，可以实现批预测
my_dataset_from_net 爬虫脚本，可以自动从网络上下载图片
run_results 网络训练之后生成的信息，包括类别json文件、loss和accuracy精度曲线、学习率衰减曲线、训练过程日志、已经训练集和测试集的混淆矩阵
weights 下面存放的是Swin-Transformer 的预训练权重
py 文件：
- model Swin-Transformer 网络
- predict 预测脚本
- process_data 根据爬虫下载的图片，自动划分训练集和测试，并且提出损坏图像
- train 训练部分
- utils 工具函数
详细的可以参考README 文件
2. 获取数据集
当然最开始要配置好环境和requirements.txt 文件
获取数据集在 my_dataset_from_net 文件下，运行文件下的main.py 可以得到：
脚本会自动在该文件下生成download_images文件目录，然后会根据关键词生成子文件夹
批下载的话，可以新建txt文件，按照这样操作就行：
按照下面操作：
选中baidu API ，load file就是刚刚新建的txt文件
Max number per keywords 就是每个关键词下载的图像个数，Threads 最好设定小一点，否则可能会漏下载
下载过程如下：
下载完成如下：
3. 对下载的图像处理、划分训练集和测试集
代码是 process_data.py 文件，因为代码用中文可能报错，这里要将文件夹改成英文
该脚本会自动删除那些 PIL 打不开的文件
代码会自动将每个子文件夹下按照 0.2比例划分测试集
运行 process_data.py 结果如下：
代码会在主目录下生成数据
4. 开始训练
训练代码是 train.py 文件
4.1 超参数设定
超参数如下：
关于--freeze-layers，设定为True，只会训练MLP权重。False会训练全部网络
parser = argparse.ArgumentParser()parser.add_argument('--epochs', type=int, default=100)parser.add_argument('--batch-size', type=int, default=32)parser.add_argument('--lr', type=float, default=0.0001)parser.add_argument('--lrf', type=float, default=0.1)parser.add_argument('--freeze-layers', type=bool, default=False) # 是否冻结权重至于分类的个数啊、对应标签json文件等等，这里使用 datasets.ImageFolder，代码会自动生成，不需要设定！！
只需要更改上面超参数就行！！
4.2 训练过程
将train这部分代码放开，可以查看网络训练图像信息
如下：
训练过程：
代码会自动计算分类的类别个数
训练结果：
4.3 生成的训练日志
生成的结果全部保存在run_results目录下：
json 文件：
loss-accuracy-curve：
学习率衰减曲线：
训练集和测试集的混淆矩阵：
训练日志：
5. 预测脚本
预测脚本在 inference 中，predict.py 会预测该目录下所有图片
不需要任何更改！！
运行 predict.py结果如下：
结果展示：
6. 项目的一些问题和下载
完整项目下载：图像识别完整项目之Swin-Transformer，从获取关键词数据集到训练的完整过程
爬虫下载图片的时候，下载的数目往往和设定的不一致，这个只需要将数目调大就行。事实上，本项目每个类别仅有200多张图片仍能有不错的表现
爬虫下载的图片有时候会出现不能打开的错误，但是在process_data脚本处理的时候，是没有报错的。
训练过程也没有出现错误，可能是process_data脚本的问题
如果不放心，可以手动删除，
预测的时候，因为预处理train mean和train std的原因，会计算的很慢，如果将项目部署的话，可以手动设定
这篇关于图像识别完整项目之Swin-Transformer，从获取关键词数据集到训练的完整过程的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
