基于python_CNN深度学习的路面故障瑕疵检测-含数据集+pyqt界面

代码下载地址：

https://download.csdn.net/download/qq_34904125/89383045

本代码是基于python pytorch环境安装的。

下载本代码后，有个requirement.txt文本，里面介绍了如何安装环境，环境需要自行配置。

或可直接参考下面博文进行环境安装。

深度学习环境安装教程-anaconda-python-pytorch_深度学习anaconda安装-CSDN博客

如果实在不会安装环境的，可以下载免安装环境压缩包，下面这个安装包是有偿的：

https://download.csdn.net/download/qq_34904125/89365780

安装好环境之后，

代码需要依次运行 01数据集文本生成制作.py

02深度学习模型训练.py

和03pyqt_ui界面.py

数据集介绍，下载本资源后，界面如下：

数据集文件夹存放了本次识别的各个类别图片。

本代码对数据集进行了预处理，包括通过在较短边增加灰边，使得图片变为正方形(如果图片原本就是正方形则不会增加灰边)，和旋转角度，来扩增增强数据集，

运行01数据集文本制作.py文件，会就读取数据集下每个类别文件中的图片路径和对应的标签

运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练，训练好后会保存模型在本地

训练完成之后会有log日志保存本地，里面记录了每个epoch的验证集损失值和准确率。

运行03pyqt_ui界面.py就可以有个可视化的ui界面，通过点击按钮可以加载自己感兴趣的图片识别。