基于Swin-Transformer改进CBAM模块+多尺度特征融合+Focal loss分类项目：工业金属表面缺陷识别【附带推...

【项目简介】 代码主干网络采用Swin-Transformer +CBAM+多尺度特征融合改进网络。pretrained参数为是否采用官方预训练模型。为了做对比消融试验，优化器采用了Adam和SGD、AdamW三种。损失函数采用Focal loss、学习率优化策略采用cos余弦退火算法 【评估网络】 评估的指标采用loss和准确率（accuracy），分别会在训练集和验证集上进行评估、输出、绘制曲线图像。同时会在训练集、验证集进行一系列评估，包含混淆矩阵、recall、precision、F1 score等等曲线图像，以及recall、precision、F1 score、特异度的输出信息等等。同时生成验证集的ROC、PR曲线，样本数量柱状图等。如果有测试集的话，会自动进行测试 【QT推理】直接运行qt脚本即可 分类改进专栏：https://blog.csdn.net/qq_44886601/category_12803200.html