← 返回设计浏览

DESIGN PROJECT · 10 IMAGES

基于深度学习的垃圾分类识别系统设计与实现

系统界面、功能流程与设计成果可视化记录

项目说明

该项目页面顶部设有“识别”“训练”“评估对比”“投放指南”四个导航标签。训练页以黑色日志窗口实时输出训练过程,可见 resnet 与 mobilenet 两个模型的 Epoch 进度、train_loss、train_acc、val_loss、val_acc 等指标,并显示 resnet 训练完成、最佳验证准确率 96.38%、耗时 197.1s 及测试集准确率 98.38%。下方“训练曲线(实时)”区域用折线图对比两模型的 loss 与 accuracy 随 Epoch 变化。第二张截图展示本地文件夹中按类别存放的 cardboard 训练图片,以及一张带 Corrugated Recycles 标识的纸板图片。

PROJECT · VIDEO

项目演示视频

基于深度学习的垃圾分类识别系统设计与实现
在 B站打开 ↗
视频来自码尔代夫的代码 B站账号4:26
基于深度学习的垃圾分类识别系统设计与实现项目截图 1
基于深度学习的垃圾分类识别系统设计与实现 · 01
基于深度学习的垃圾分类识别系统设计与实现项目截图 2
基于深度学习的垃圾分类识别系统设计与实现 · 02
基于深度学习的垃圾分类识别系统设计与实现项目截图 3
基于深度学习的垃圾分类识别系统设计与实现 · 03
基于深度学习的垃圾分类识别系统设计与实现项目截图 4
基于深度学习的垃圾分类识别系统设计与实现 · 04
基于深度学习的垃圾分类识别系统设计与实现项目截图 5
基于深度学习的垃圾分类识别系统设计与实现 · 05
基于深度学习的垃圾分类识别系统设计与实现项目截图 6
基于深度学习的垃圾分类识别系统设计与实现 · 06
基于深度学习的垃圾分类识别系统设计与实现项目截图 7
基于深度学习的垃圾分类识别系统设计与实现 · 07
基于深度学习的垃圾分类识别系统设计与实现项目截图 8
基于深度学习的垃圾分类识别系统设计与实现 · 08
基于深度学习的垃圾分类识别系统设计与实现项目截图 9
基于深度学习的垃圾分类识别系统设计与实现 · 09
基于深度学习的垃圾分类识别系统设计与实现项目截图 10
基于深度学习的垃圾分类识别系统设计与实现 · 10

END OF PROJECT

继续浏览其他设计 →