三叶青图像识别研究简概
本系列文章为近期所做三叶青图像识别项目研究而作的研究介绍
三叶青图像识别研究总概
# 前言
本系列文章为近期所做项目研究而作的研究介绍。算是我近期所学的一个总结吧, 同时也希望与各位多多交流学习。
文档介绍：星云文档 (opens new window) 相关代码：github代码存储 (opens new window)
链接：网盘存储 (opens new window) 提取码：rzyy --来自百度网盘超级会员V5的分享
# 一、整体目录介绍
图像分类部分的研究相关代码和文档目录
【1】构建图像分类数据集 ； 主要存放图像采集与整理、可视化采集图像、划分训练集验证集、统计各类别图像数量
【2】模型训练准备 ； 主要介绍在开始训练模型前所做的一些准备，例如训练环境的搭建、安排、记录等
【3】迁移学习模型 ；因为基于本人也是初次尝试做深度学习的实验，没有什么能力去优化模型结构和调整模型，故为了省时间直接采用迁移学习，其中我尝试了许多模型，也隐约有点训练模型的体会
【4】在测试集上评估模型精度 ； 训练得到模型后，为了查看模型的泛化能力，故在测试集上通过各种评估指标评估模型的精度
【5】可解释性分析、显著性分析 ；存放训练后模型可解释性分析、显著性分析的相关代码（暂无）
【6】图像分类部署 ； 存放将模型部署的方法的相关文档：本地部署、web部署、微信小程序部署、qt界面化部署。
【7】树莓派图像分类部署 ； 存放用树莓派将模型部署的教程以及相关的树莓派学习笔记
【8】相关补充 ； 存放有关此项目的一些补充，有实验记录、最终产出、后续安排以及SNP相关等
kaggle_jupyter ； 存放一些在kaggle上训练的notebook
model_zheng_path ; 存放训练得到的一些.pth模型文件
onnx_path ； 存放转化得到的onnx模型文件
kaggle_train.ipynb ； 是一个在kaggle上训练模型的notebook
README.md ； 是三叶青图像识别项目研究的简介文档
# 二、前期安排
参考文章、视频等教程如下：
合集·两天搞定人工智能毕业设计之【图像分类】 (opens new window)
Python+树莓派+Linux 快速上手 (opens new window)；
树莓派教程十分钟玩转系列入门篇 (opens new window)
..... 主要是上面这些，其余更多也不记得了
# 三、构建图像分类数据集
【1】构建图像分类数据集 ； 主要存放图像采集与整理、可视化采集图像、划分训练集验证集、统计各类别图像数量
参考我的另一篇文章 【1】构建图像分类数据集 (opens new window)
# 四、模型训练准备
构建完图像分类数据集后，就要开始训练我们的模型了，深度学习模型训练需要大量计算资源，也就是GPU。 可以在本地机器上使用GPU（如果有的话），或者在云服务上租用GPU资源。此外，还有专门为深度学习训练提供的服务，如Google的Colab和Kaggle。
参考我的另一篇文章 【2】模型训练准备 (opens new window)
# 五、迁移学习模型
主要简述一下训练代码,主要是运用迁移学习的方法，将预训练模型在自定义的数据集上进行训练。
kaggle上临时发布的竞赛 https://www.kaggle.com/competitions/sanyeqing/data (opens new window)
参考我的另一篇文章 【3】迁移学习模型 (opens new window)
# 六、在测试集上评估模型精度
将训练好的模型应用在测试集上，评估模型的效果
参考我的另一篇文章 【4】在测试集上评估模型精度 (opens new window)
# 七、可解释性分析、显著性分析
推荐B站up主同济子豪兄的合集·两天搞定人工智能毕业设计之【图像分类】 (opens new window)
# 八、图像分类部署
包括将训练好的模型部署在本地终端、web端、小程序上、qt界面化。
参考我的另一篇文章 【6】图像分类部署 (opens new window)
该文主要介绍了如何将pytorch模型转为ONNX模型文件以及如何将图像识别模型部署，包括部署在本地、部署在web网页、小程序、qt界面部署。
# 九、树莓派部署
参考我的另一篇文章【7】树莓派图像分类部署 (opens new window)
该文主要记录了我学习树莓派时的笔记，包括对树莓派的认识和组装、树莓派的运行和VNC远程连接、摄像头模块的使用、以及最后的使用yolov5来对象棋进行识别等。 （尝试了以下租用GPU 进行训练，不得不说与之前使用kaggle平台相比，还是氪金玩家比较爽。省去了配置环境的麻烦） 另外，也是因为目前暂时没有yolo的三叶青标记数据，所以数据是从其它教程中找过来的。
# 十、相关补充
存放一些有关这个项目研究的补充。
参考我的另一篇文章 【8】相关补充 (opens new window)
该文主要介绍了关于进行的这个项目除了步骤方法的一些补充，包括实验记录、有关SNP位点筛选、阶段总结、后续安排等，
# 总结
本文主要介绍了近期来做的一个项目，这个项目可以说是从寒假就开始准备了，从最开始的SNP位点筛选到后面的图像识别模型训练，再到之后的上传实验结果、答辩等流程，差不多历时四个月吧。期间也是陆陆续续、磕磕碰碰，总之也就是一点一点的做下去。最后虽然还是有不少要继续完善、也就是和我最初预期的结果有所差距，也就是没做完，但怎么说大体的流程还是走下来了（我真棒）。
此时在写这个项目笔记的我，回望一下，发现累是真累啊，身累心累。（我当初怎么会想着做这个啊，只能说脑子gg了，哎，哎，哎），但是这个项目进行到现在这个阶段，不管说什么，也要继续下去，努力做好吧！
嗯，那之后我要
。。。
2024/7/4
