基于Bert框架微调的情感分类模型 2024.01-2024.02
项目简述:在本地电脑上通过Transformer深度学习框架微调的好中坏评价的情感三分类模型
应用知识:Bert模型框架、增加全连接层、Transformer框架、线代基础、概率论基础
功能概述:
1.数据集获取:通过爬虫爬取各大平台合作商家内部评论并存入数据库中。
2.数据过滤并分类:将数据在数据类中读取并清晰,然后划分为训练集和测试集。
3.模型搭建:在魔搭社区下载并导入Bert-base模型,然后搭建模型框架。
4.循环训练模型:查看训练损失和准确率,调整配置初始超参数,循环训练等待。
5.模型性能评估:由于模型比较简单,只用了准确率评估模型。
基于Yolo v5的车牌识别系统 2023.10-2023.11
项目简述:使用Pycharm平台,基于Pytorch深度学习架构,实现了一个对黄绿蓝牌车牌的识别与显示
应用知识:Python语言基础、机器学习、深度学习、YOLOv5模型的实现原理、pyqt5界面设计、数字图像处理基础知识
功能概述:
1.数据集获取与分类:网上下载CCPD和CRPD数据集,并划分训练集与验证集。
2.数据标注:利用labelimg软件对数据进行标注,产生txt文件。
3.数据增强:Mosaic数据增强方法,将四个原始数据进行反转,色域变换,平移等操作,形成一个新的数据,以提高模型的泛化能力。
4.目标检测与车牌定位:模型使用了自适应锚框计算,自适应图片缩放,Focus切片,NMS非极大值抑制等操作对车牌进行检测和定位。