细粒度图像识别鲁棒性微调产品系统

本项目面向生态监测、农业生产、智慧林业等细粒度图像识别场景，解决网络图片标签错误、类别分布不均和人工标注成本高的问题，提升自然动植物识别的准确性与稳定性。

项目包含数据读取、噪声样本筛选、CLIP鲁棒微调、长尾类别优化、模型评测和结果导出等模块。系统自动分析样本置信度并调整训练权重，基于CLIP ViT-B/32完成参数高效微调，最终输出符合要求的分类结果文件。

我主要负责数据处理、模型训练和推理代码开发。项目使用Python、PyTorch和CLIP ViT-B/32，采用单模型架构，结合LoRA微调、动态样本加权和类别均衡损失。实现难点是降低错误标签影响，同时提升少样本类别的识别效果。