锋哥的基于PyTorch的猫狗图像识别系统(深度学习+PyQt6+ResNet18+ImageNet+迁移学习)视频教程 项目实战课程 正式发布了。。。

https://www.bilibili.com/video/BV1iqgQ6NEVm/

本课程主要结合AI编程 Cursor 实现一个 基于PyTorch的猫狗识别  深度学习系统。讲解内容包括需求分析，新建后端Python项目，ImageNet介绍，ResNet18简介，利用Cursor AI编程实现Plan沟通项目方案，Agent生成项目，Agent修复bug和完善功能。利用AI编程开发项目的完整过程是免费的。一共是8讲，是免费的。

高清视频+源码+领取

扫描下方公众号【python222】回复


    
：888，
可获取下载链接
👇👇👇

👆长按上方二维码 2 秒
回复「888」即可获取

项目效果预览 ：

Cursor AI 生成的这个项目 架构和代码质量非常高。锋哥花了2天时间，录制了这个项目的架构以及所有功能模块的实现讲解。一共9讲。这个是属于VIP会员享受的。

欢迎加入锋哥的VIP，目前活动，购买Python+AI大模型  VIP，送Java+AI大模型+AI编程 VIP。

1. 项目概述

本项目是一个 猫狗图像二分类 的桌面应用。用户可在图形界面中完成模型训练、单张图片识别与数据集统计查看，无需编写命令行代码。

2. 业务逻辑

系统围绕 「数据 → 训练 → 推理 → 统计」 四条主线展开，对应四个功能页面。

2.1 功能模块

2.2 典型业务流程

首次使用（训练 + 识别）

日常使用（直接识别）

2.3 训练策略说明

• 迁移学习：使用 ImageNet 预训练的 ResNet18 作为骨干网络，替换最后的全连接层为 2 分类输出。

• 冻结骨干（默认开启）：仅训练分类头（fc 层），加快 CPU 训练速度。

• 子集采样：默认每类取 2000 张，共 4000 张参与训练，可按需调整。

• 数据划分：按 8:2 划分训练集与验证集（随机种子固定为 42，保证可复现）。

• 模型保存：以验证集准确率（val_acc）为准，保存历史最优权重至 models/best_model.pth。

3. 技术栈

3.1 核心技术

3.2 模型细节

ResNet18 (ImageNet 预训练)
├── 卷积骨干网络（可选冻结）
└── 全连接层 fc: 512 → 2（猫 / 狗）

• 输入尺寸：224 × 224 RGB

• 标准化：ImageNet 均值 [0.485, 0.456, 0.406]，标准差 [0.229, 0.224, 0.225]

• 损失函数：CrossEntropyLoss

• 优化器：Adam（仅更新  requires_grad=True 的参数）

• 学习率调度：StepLR（每 3 轮衰减 0.5 倍）

• 推理设备：CPU（config.DEVICE = "cpu"）

3.3 数据增强

训练集增强策略：

• RandomResizedCrop (scale 0.8~1.0)：核心作用是引入尺度不变性。0.8~1.0 意味着裁剪面积不会小于原图的 80%，这是一种保守的裁剪策略。相比更宽的 0.08~1.0（原版 ImageNet 设置），你的设置保留了更多的全局纹理信息，适合细粒度分类（如识别鸟类、车型）或目标占比较大的数据集。

• RandomHorizontalFlip：核心作用是引入左右对称性。p=0.5 是标准配置。注意：如果你的数据具有方向性（如文字识别、手性分子、卫星图左行驶规则），请禁用此策略。

• ColorJitter (brightness/contrast/saturation ±0.2)：核心作用是应对光照和成像设备差异。0.2 属于温和值，能有效防止模型过拟合于特定色调，同时不会破坏语义信息（不会让“蓝天”变成“绿天”）。

验证集与推理集：

• Resize (缩放)→ CenterCrop → ToTensor(转化成张量) → Normalize(规范化)

• ‌CenterCrop 是深度学习框架（如 PyTorch）中用于从图像中心裁剪出指定尺寸区域的图像预处理操作

4. 系统架构

4.1 整体架构图

4.2 目录结构

CatDogRecognition/
├── main.py                 # 程序入口，初始化 QApplication
├── config.py               # 全局配置（路径、超参数、类别映射）
├── requirements.txt        # Python 依赖
├── assets/                 # 应用图标与界面插图
├── models/                 # 训练输出
│   ├── best_model.pth      # 最优模型权重
│   └── train_history.json  # 训练历史记录
├── data/cats_vs_dogs/      # 数据集
│   ├── cat/                # 猫图片
│   └── dog/                # 狗图片
└── src/
    ├── dataset.py          # SafeImageFolder、DataLoader、数据增强



    
    ├── model.py            # build_model / load_model / save_model
    ├── trainer.py          # TrainThread 后台训练
    ├── predictor.py        # Predictor 单图推理
    ├── utils.py            # 日期时间格式化
    └── ui/
        ├── main_window.py  # 主窗口 + 侧边栏导航
        ├── home_page.py    # 首页
        ├── train_page.py   # 训练页（含 matplotlib 曲线）
        ├── predict_page.py # 识别页
        ├── stats_page.py   # 统计页
        └── styles.py       # 全局 QSS 样式

4.3 UI 架构

主窗口采用 左侧导航栏 + 右侧 QStackedWidget 多页面 的经典布局：

页面切换时会触发懒刷新逻辑：

• 进入 识别页：调用 predict_page.refresh_model_status() 检查模型是否可用

• 进入 统计页：调用 stats_page.refresh_stats() 重新扫描数据集

4.4 训练线程通信机制

训练在 QThread 子线程中执行，通过 PyQt 信号与 UI 主线程解耦，避免界面卡顿：

4.5 推理流程

5. 数据流设计

SafeImageFolder 是项目的数据安全设计：扫描时验证图片完整性，训练/推理时若遇到损坏文件则返回黑色占位图，避免整个流程中断。

6. 配置与默认值

关键配置集中在 config.py：

7. 运行方式

cd CatDogRecognition
venv\Scripts\activate        # Windows 激活虚拟环境
pip install -r requirements.txt
python main.py

注意事项：

1. 首次训练需联网下载 ResNet18 预训练权重（约 45 MB）。

2. 识别功能依赖 models/best_model.pth，需先完成至少一轮训练。

3. 数据集需放置在 data/cats_vs_dogs/cat/ 与 data/cats_vs_dogs/dog/ 目录下。

8. 架构特点总结