更新代码与优化目录
一个基于深度学习的智能花卉图像分类系统，支持多种花卉类别的识别。
- 🎯 支持5种花卉分类：雏菊、蒲公英、玫瑰、向日葵、郁金香
- 🤖 提供多种预训练模型选择（ResNet-18、ResNet-50）
- 🌐 基于Streamlit的Web界面
- 📊 实时概率分布可视化
pip install -r requirements.txt
streamlit run src/interfaces/web_model_selector.py --server.port 8501
然后在浏览器中访问 http://localhost:8501
flower-class/
├── data/ # 原始花卉图像数据
├── data_split/ # 划分后的训练/验证/测试数据
├── logs/ # 训练日志
├── src/ # 源代码
│ ├── interfaces/ # Web界面
│ ├── models/ # 模型定义
│ ├── training/ # 训练代码
│ └── utils/ # 工具函数
├── static/ # 静态资源
└── *.pth # 预训练模型文件
resnet18_flower.pth- ResNet-18模型 (44.7 MB)resnet50_flower.pth- ResNet-50模型 (94.4 MB)
- 启动Web应用
- 在侧边栏选择要加载的模型
- 点击"加载选中的模型"按钮
- 上传花卉图像进行识别
- 查看识别结果和概率分布
- Python 3.8+
- PyTorch
- TorchVision
- Streamlit
- Matplotlib# Flower-recognition-CNN
About
Language
Python76.9%
Markdown16.2%
Dockerfile2.3%
Shell2%
Others2.6%
35/F,Tencent Building,Kejizhongyi Avenue,Nanshan District,Shenzhen
