产品简介
AIC-Webly-supervised-Fine-Grained-Image-Recognition-National-Second-Prize 这是一个面向中文用户的图像分类框架，通过创新的两阶段数据清洗和非对称协同训练技术，从网络数据中去除噪声并提升分类精度，特别适合处理长尾分布数据。适用于竞赛选手和研究人员。
核心功能
- 两阶段“粗筛-精滤”数据清洗流程
- 基于CLIP和DINOv2的智能样本识别
- 非对称协同训练策略提升模型精度
- 支持Windows、macOS、Linux跨平台运行
- 一键运行全流程，支持400类和5000类任务
快速开始
- 第一步：配置环境变量，如设置TASK=5000、TRAIN_DIR路径等。
- 第二步：运行主控制脚本bash run_all.sh。
- 第三步：系统自动执行数据清洗、划分、模型训练和推理。
- 第四步：查看输出目录生成submission.csv文件。
界面预览
与其他方案对比
| 对比项 | AIC-Webly-supervised-Fine-Grained-Image-Recognition-National-Second-Prize | 同类方案 |
|---|---|---|
| 数据清洗方法 | 采用两阶段动态清洗，基于CLIP粗筛和DINOv2精滤，自动确定标准 | 可能使用静态规则或简单过滤，缺乏动态适应性 |
适合谁用
- 参加图像分类竞赛的选手
- 需要处理网络噪声数据的计算机视觉研究者
- 处理长尾分布数据集的机器学习工程师
下载与版本
当前最新版本为 main，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/ChandlerIdeaCreator/AIC-Webly-supervised-Fine-Grained-Image-Recognition-National-Second-Prize