animal_classification产品系统Vibe Coding

计算机视觉 / 深度学习 / 图像分类领域的研究与工程实践项目。可应用于野生动物监测、宠物识别、教育科普、图像内容审核等场景

基于深度学习的 90 类动物细粒度图像分类系统，具备完整的训练 - 评估 - 部署全流程能力：
支持 90 种动物类别的高精度图像识别
提供三代 CNN 架构（ResNet50/EfficientNetV2/ConvNeXt）的对照实验框架
内置多种数据增强策略、损失函数、优化器的可配置切换
完整的模型评估体系：混淆矩阵、Per-class 指标、错误样本分析
可解释性分析：Grad-CAM++ 热力图、t-SNE 特征嵌入可视化
支持 ONNX 模型导出，可直接用于生产环境推理部署

技术栈：PyTorch、torchvision、ONNX、TensorBoard、Optuna、OpenCV、scikit-learn
模块化工程设计：配置驱动（YAML）+ 模型工厂模式，便于扩展新架构
完整训练管线：混合精度训练、梯度裁剪、学习率预热 + 余弦退火、早停机制
数据增强：RandAugment + MixUp + CutMix + 颜色抖动 + 随机裁剪翻转
损失函数：CrossEntropy / Focal Loss / Label Smoothing / Combined Loss 可配置
可解释性模块：Grad-CAM、Grad-CAM++、正确 / 错误样本对比分析
超参数优化：基于 Optuna 的贝叶斯搜索，自动调优学习率、权重衰减等超参
部署支持：ONNX 格式导出，CPU/GPU 推理，批量处理支持