CNN+Transformer图像分类识别模型产品系统

针对通用图像分类需求，传统单一CNN模型全局特征提取能力弱，本项目结合CNN局部特征与Transformer全局注意力机制，实现高精度图片自动分类，可用于素材分拣、物品识别场景。

1. 数据集处理：图片批量读取、标准化、数据增强训练；
​
2. 混合模型搭建：CNN提取图像纹理细节，Transformer捕捉全局关联特征；
​
3. 模型训练、调参、精度评估，输出训练日志；
​
4. 推理功能：单张/批量图片上传自动识别分类，输出识别结果与置信度；
​
5. 封装可直接运行的推理脚本，支持本地离线部署使用。

独立完成数据集处理、网络模型搭建、训练调参全流程，融合CNN与Transformer结构提升识别精度，解决小样本数据集过拟合问题，输出轻量化推理代码降低设备运行门槛。