Awesome backbones for image classification

<div align="center">

</div>

写在前面

• 若训练效果不佳，首先需要调整学习率和Batch size，这俩超参很大程度上影响收敛。其次，从关闭图像增强手段（尤其小数据集）开始，有的图像增强方法会污染数据，如

  如何去除增强？如efficientnetv2-b0配置文件中train_pipeline可更改为如下

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='RandomResizedCrop',
        size=192,
        efficientnet_style=True,
        interpolation='bicubic'),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='ImageToTensor', keys=['img']),
    dict(type='ToTensor', keys=['gt_label']),
    dict(type='Collect', keys=['img', 'gt_label'])
]

  若你的数据集提前已经将shape更改为网络要求的尺寸，那么Resize操作也可以去除。

更新日志

2025.01.17

• 支持转ONNX#136 @PurpleSky-NS
• 类别激活图相关脚本#114 @jackyjinjing

2024.09.06

• 修复高频反馈的评估时结果浮动大的问题

2023.12.02

• 新增Issue中多人提及的输出Train Acc与Val loss

  • metrics_outputs.csv保存每周期train_loss, train_acc, train_precision, train_recall, train_f1-score, val_loss, val_acc, val_precision, val_recall, val_f1-score方便各位绘图
  • 终端由原先仅输出Val相关metrics升级为Train与Val都输出

  

2023.08.05

• 新增TinyViT(预训练权重不匹配)、DeiT3、EdgeNeXt、RevVisionTransformer

2023.03.07

• 新增MobileViT、DaViT、RepLKNet、BEiT、EVA、MixMIM、EfficientNetV2

测试环境

• Pytorch 1.7.1+
• Python 3.6+

资料

|数据集|视频教程|人工智能技术探讨群| |---|---|---| |花卉数据集 提取码：0zat|点我跳转|1群：78174903<br/>3群：584723646

快速开始

• 遵循环境搭建完成配置
• 下载MobileNetV3-Small权重至datas下
• Awesome-Backbones文件夹下终端输入

python tools/single_test.py datas/cat-dog.png models/mobilenet/mobilenet_v3_small.py --classes-map datas/imageNet1kAnnotation.txt

教程

• 环境搭建
• 数据集准备
• 配置文件解释
• 训练
• 模型评估
• 计算Flops&Params
• 添加新的模型组件
• 类别激活图可视化
• 学习率策略可视化
• 数据增强策略可视化

模型

• [x] LeNet5
• [x] AlexNet
• [x] VGG
• [x] DenseNet
• [x] ResNet
• [x] Wide-ResNet
• [x] ResNeXt
• [x] SEResNet
• [x] SEResNeXt
• [x] RegNet
• [x] MobileNetV2
• [x] MobileNetV3
• [x] ShuffleNetV1
• [x] ShuffleNetV2
• [x] EfficientNet
• [x] RepVGG
• [x] Res2Net
• [x] ConvNeXt
• [x] HRNet
• [x] ConvMixer
• [x] CSPNet
• [x] Swin-Transformer
• [x] Vision-Transformer
• [x] Transformer-in-Transformer
• [x] MLP-Mixer
• [x] DeiT
• [x] Conformer
• [x] T2T-ViT
• [x] Twins
• [x] PoolFormer
• [x] VAN
• [x] HorNet
• [x] EfficientFormer
• [x] Swin Transformer V2
• [x] MViT V2
• [x] MobileViT
• [x] DaViT
• [x] replknet
• [x] BEiT
• [x] EVA
• [x] MixMIM
• [x] EfficientNetV2

预训练权重

| 名称 | 权重 | 名称 | 权重 | 名称 | 权重 | | :-----: | :-----: | :------: | :------: | :------: | :-----: | | LeNet5 | None | AlexNet | None | VGG | VGG-11<br/>VGG-13<br/>VGG-16<br/>VGG-19<br/>VGG-11-BN<br/>VGG-13-BN<br/>VGG-16-BN<br/>VGG-19-BN| | ResNet |ResNet-18<br/>ResNet-34<br/>ResNet-50<br/>ResNet-101<br/>ResNet-152 | ResNetV1C | ResNetV1C-50<br/>ResNetV1C-101<br/>ResNetV1C-152 |ResNetV1D | ResNetV1D-50<br/>ResNetV1D-101<br/>ResNetV1D-152 | | ResNeXt | [ResNeXt-50](https://download.op