SSR-NET:SimpleSignalRecognitionNet

简单信号识别网络

中科院长春光学精密机械与物理研究所

图像处理技术研究部 刘长吉

视频介绍https://www.bilibili.com/video/BV14A411g7p9/

环境

python 3.7.7 pytorch 1.7.0 PIL numpy 其他的缺啥补啥

程序结构

data_loader.py:数据集加载器

detect.py:检测器

model.py:网络模型

train.py:训练器

val.py:评估器

如何使用

0.数据集放置格式:

数据集遵循以下格式: 在你的数据文件夹内创建train与val.一个放置训练数据,另外一个放置验证数据

train文件夹内创建0,1,2,3(假设你有4个类)等等文件夹,文件夹的名字就是数据标签. 类别编号一定要从0开始,如果你有5个类,那么就应该有5个文件夹0,1,2,3,4

0,1,2,3文件夹中放置数据文件*．txt,数量不限名字随意.注意文件夹0,1,2,3是他的标签 可以参考data/simple_signal/中的放置格式

1.数据txt文件

txt文件名随意,放在正确的文件夹 txt每一行为一个采样时间单位 一行可以有多个数据,代表多个传感器,用空格隔开

2.设置config.yaml文件

在config文件夹中创建你的配置文件(参考my_net.yaml)

nc: 4 # 类别数量

input_channel: 1 输入数据的维度

data_pick_index: [0] # 选你数据集txt中哪几列数据,从0开始,如果你只有一列的数据,那就填0.所以你选取几列的数量必须等于input_channel

data_length: 100 # 输入数据长度,不等于这个的会被缩放,最近邻插值

train_dataset : "./data/simple_signal/train" 训练集路径

val_dataset : "./data/simple_signal/val" 验证集路径

weight_save_name : "my_net.pth" #权重保存名字

3.加载配置文件

打开config/read_config.py 修改cfgfile = "./config/my_net.yaml"为你的路径

4.训练

配置文件设置号后 使用train.py 设置权重保存路径:WEIGHTS_SAVE_PATH = './weights/'
设置TRAINING_EPOCH 设置TRAINING_BATCH_SIZE 选择网络(可以在model.py中自己修改或添加):

net = SignalRecognitionNet_v3(input_channel=INPUT_CHANNEL, output_class=OUTPUT_CLASS)

OK开始训练

5.验证

使用val.py,和train没什么区别,设置一下权重路径就OK

6.检测

使用detect.py 设置file_path即可