Fish_recognition

9类鱼类识别模型搭建，从网上爬取9类鱼，对爬取的数据进行数据清理等操作；搭建AlexNet等经典的分类网络，对数据集进行训练。

项目对应gitee地址： https://gitee.com/wucaip/Fish_recognition

---

一、效果展示

说明：训练数据集50个epoch，其他参数不变的情况下得到如下结果：

	训练集精度	验证集精度
AlexNet	99.47	82.76
Googlenet	97.02	84.84
VGG16	96.53	84.46
MobilenetV3	97.06	85.79
ShufflenetV2	96.77	85.60
Resnet50(加预训练)	100.0	98.29

1、AlexNet

2、Googlenet

3、VGG16

4、Resnet50（使用了预训练权重）

5、MobilenetV3

6、ShufflenetV2

二、环境介绍

• 配置：tensorflow==2.11.0、Cuda 10.1
• 数据集(9类)：河豚、蝴蝶鱼、金鱼、鲫鱼、龙鱼、罗汉鱼、鲇鱼、清道夫、石板。4777张训练集, 528张验证集。

三、项目相关数据准备

• 鱼类数据集下载：

  链接：https://pan.baidu.com/s/14YDm-wv5036ygL9MbRxxPg 提取码：jvzt

• 预训练权重下载（用于模型训练）：

  链接：https://pan.baidu.com/s/15NhHPP08CjLl6wk8vSgZtQ 提取码：cewz

• 预测权重下载（用于模型预测）：

  链接：https://pan.baidu.com/s/15hfxuz4sCEJR79S1c6a15Q 提取码：cipk

四、模型预测

在命令行运行：

python predict.py

可以通过修改predict.py里面的model_name来调用不同模型进行预测

# -------------------------------- 训练参数配置 --------------------------------------# 
im_height = 224 # 输入图片的高
im_width = 224  # 输入图片的宽
model_name = "AlexNet" # 模型名称"AlexNet"、"VGG"、"Googlenet","Resnet","MobilenetV3"、"Shufflenet"
img_path = r"fish_data\test\longyu.jpg" # 预测的图片
# ------------------------------------------------------------------------------------# 

五、模型训练

在命令行运行：

python train.py

可以通过修改train.py里面的model_name来调用不同模型进行训练

# -------------------------------- 训练参数配置 --------------------------------------# 
im_height = 224 # 输入图片的高
im_width = 224  # 输入图片的宽
num_classes = 9   # 识别的种类
batch_size = 4 # 训练的批次图片数
epochs = 50     # 训练迭代次数
model_name = "Shufflenet" # 模型名称"AlexNet"、"VGG"、"Googlenet","Resnet","MobilenetV2","MobilenetV3"、"Shufflenet"、"EfficientnetV1","EfficientnetV2"
log_draw_loss_suc = True # 是否需要通过日志绘图
# ------------------------------------------------------------------------------------# 

六、项目结构

Project:

├─checkpoints # 预训练权重

├─fish_data # 数据集

│ ├─fish_photos # 完整数据集

│ ├─test # 自己准备测试集

│ ├─train # 划分训练集

│ └─val # 划分验证集

├─img # 运行mardown显示

├─logs # 训练日志

├─nets # py模型文件

├─save_weights # 保存训练模型文件

└─predict.py # 预测脚本

└─train.py # 训练脚本

└─split_data.py # 数据集划分

└─Reptiles.py # 数据集爬取

└─class_indices.json # 种类字典

└─requirements.txt # 项目环境文件