后端系统

Related topics: 系统架构

后端系统

后端系统是DeepFashion项目中的核心组件，负责处理图像数据、模型训练和模型部署。它主要负责数据的加载、预处理、模型训练、模型评估以及模型转换和部署。 本系统依赖于深度学习模型（ResNet18）进行图像分类，并提供训练和推理接口。

架构概述

后端系统主要由以下几个模块组成：

  • 数据加载模块: 负责从存储位置加载训练数据，包括图像和类别标签。
  • 模型训练模块: 负责使用训练数据训练深度学习模型（ResNet18）。
  • 模型评估模块: 负责使用验证数据集评估模型的性能。
  • 模型转换模块: 负责将训练好的模型转换为适用于Android应用的目标格式（ONNX）。
  • API接口: 提供训练、评估和模型转换的接口。

数据流图

数据加载模块

数据加载模块负责从存储位置加载训练数据，包括图像和类别标签。 它实现了以下功能：

  • 从标注文件（如 Anno_fine/train.txt）中读取图像路径和类别标签。
  • 根据文件夹名称推断类别名称。
  • 对图像进行预处理，例如调整大小、归一化等。
  • 将预处理后的图像和类别标签存储在内存中。

数据加载流程图

模型训练模块

模型训练模块负责使用训练数据训练深度学习模型（ResNet18）。 它实现了以下功能：

  • 加载预训练的ResNet18模型。
  • 使用训练数据对模型进行微调。
  • 使用优化器（如Adam）更新模型参数。
  • 监控训练过程中的损失和准确率。
  • 保存训练好的模型。

模型训练流程图

模型评估模块

模型评估模块负责使用验证数据集评估模型的性能。 它实现了以下功能：

  • 加载验证数据集。
  • 使用模型对验证数据集进行预测。
  • 计算预测结果的准确率、精确率、召回率等指标。
  • 将评估结果保存到文件中。

模型评估流程图

模型转换模块

模型转换模块负责将训练好的模型转换为适用于Android应用的目标格式（ONNX）。 它实现了以下功能：

  • 将训练好的模型保存为ONNX格式。
  • 将ONNX模型转换为TFLite格式。
  • 将TFLite模型打包到Android应用中。

模型转换流程图

API接口

后端系统提供以下API接口：

  • train(): 训练模型。
  • evaluate(): 评估模型。
  • convert(): 转换模型。

这些接口允许其他模块访问和使用后端系统的功能。

总结

后端系统是DeepFashion项目中的核心组件，负责处理图像数据、模型训练和模型部署。 它通过模块化的设计，实现了数据的加载、模型训练、模型评估和模型转换等关键功能。