基于深度学习的垃圾分类系统

【实例简介】
本次实验训练了多个用于垃圾图片分类识别的模型，采用迁移学习的方法选取性能较好的模型进行调优改进，最终的模型识别准确率在93%以上（30个epoch)；然后将训练好的模型部署在华为云上，生成API接口进行调用；最后设计了一个可视化程序调用API接口来进行展示，方便用户使用。
【实例截图】
【核心代码】
GarbageClassify.zip
└── 毕设程序
└── GarbageClassify
├── args.py
├── build_net.py
├── dataset.py
├── graphics.py
├── Image.py
├── models
│   ├── __init__.py
│   ├── __pycache__
│   │   ├── __init__.cpython-37.pyc
│   │   ├── resnet_cbam.cpython-37.pyc
│   │   └── resnetxt_wsl.cpython-37.pyc
│   ├── resnet_cbam.py
│   ├── resnetxt_wsl.py
│   └── Res.py
├── pachong.py
├── predict
│   ├── __init__.py
│   ├── predict.py
│   ├── __pycache__
│   │   ├── __init__.cpython-37.pyc
│   │   ├── predict.cpython-37.pyc
│   │   ├── resnet_cbam.cpython-37.pyc
│   │   └── resnetxt_wsl.cpython-37.pyc
│   ├── resnet_cbam.py
│   ├── resnetxt_wsl.py
│   └── Res.py
├── preprocess.py
├── __pycache__
│   ├── args.cpython-37.pyc
│   ├── build_net.cpython-37.pyc
│   ├── dataset.cpython-37.pyc
│   ├── graphics.cpython-37.pyc
│   ├── Image.cpython-37.pyc
│   ├── transform.cpython-37.pyc
│   ├── view.cpython-37.pyc
│   ├── visa.cpython-37.pyc
│   └── yuancheng.cpython-37.pyc
├── train.py
├── transform.py
├── utils
│   ├── eval.py
│   ├── __init__.py
│   ├── logger.py
│   ├── misc.py
│   ├── progress
│   │   ├── demo.gif
│   │   ├── LICENSE
│   │   ├── MANIFEST.in
│   │   ├── progress
│   │   │   ├── bar.py
│   │   │   ├── counter.py
│   │   │   ├── helpers.py
│   │   │   ├── __init__.py
│   │   │   └── spinner.py
│   │   ├── README.rst
│   │   ├── setup.py
│   │   └── test_progress.py
│   ├── __pycache__
│   │   ├── eval.cpython-37.pyc
│   │   ├── __init__.cpython-37.pyc
│   │   ├── logger.cpython-37.pyc
│   │   ├── misc.cpython-37.pyc
│   │   ├── radam.cpython-37.pyc
│   │   ├── utils.cpython-37.pyc
│   │   └── visualize.cpython-37.pyc
│   ├── radam.py
│   ├── utils.py
│   └── visualize.py
├── view.py
├── visa.py
└── yuancheng.py

11 directories, 62 files