🎯 软件核心功能

链接如下：
咸鱼

1. 多模型支持，一键加载

• ✅ ResNet、VGG、EfficientNet、MobileNet等主流架构
• ✅ 自动识别模型类型和训练参数
• ✅ 支持自定义类别索引文件

# 预设三种常用模型
self.presets = [
    {"name": "花卉分类模型", "model_path": "...", "class_indices": "...", "test_data": "..."},
    {"name": "天气分类模型", "model_path": "...", "class_indices": "...", "test_data": "..."},
    {"name": "膝关节病痛分类模型", "model_path": "...", "class_indices": "...", "test_data": "..."}
]

2. 智能预测与热力图生成

• 🎯 Top-3预测结果，直观展示置信度
• 🔥 Grad-CAM热力图，可视化模型关注区域
• 📊 双图对比：原始图像 vs 热力图叠加
  

3. 专业级模型评估

• 📈 混淆矩阵可视化，支持归一化显示
• 📊 详细性能指标：精确率、召回率、F1值
• 🎨 自动生成评估报告，支持导出为文本
  

4. 美观的可视化分析

• 📊 横向条形图：Top-3类别置信度对比
• 🥧 环形饼图：外部图例，隐藏小占比标签
• 🎨 三套UI主题：科技蓝/深邃黑/薄荷绿，一键切换

5. 实时系统监控

• 💻 硬件状态：GPU/CPU使用情况、内存占用
• ⏱️ 运行时间统计
• 📝 模型状态实时显示

🚀 使用教程

第一步：加载模型

1. 选择预设配置或手动指定模型文件
2. 加载类别索引JSON文件
3. 设置测试数据集路径
4. 点击"加载模型"

第二步：单张图像预测

1. 点击"预测单张图像"
2. 选择待预测的图片文件
3. 查看预测结果和热力图

第三步：批量评估

1. 点击"批量评估模型"
2. 等待进度条完成
3. 查看混淆矩阵和性能指标

第四步：导出结果

1. 点击"导出结果"
2. 选择保存目录
3. 获取CSV预测结果、PNG混淆矩阵、TXT评估报告

---

🎨 界面特色

现代化UI设计

• 圆角卡片 + 阴影效果，符合现代审美
• 渐进度条，视觉反馈更加流畅
• 响应式布局，支持窗口缩放

三套主题随心换

• 科技蓝：专业冷静，适合科研场景
• 深邃黑：护眼舒适，适合长时间使用
• 薄荷绿：清新活力，适合教学演示

---

💼 适用人群

👨‍🎓 学生群体

• 深度学习课程大作业
• 毕业设计项目展示
• 算法学习与调试

👨‍🏫 教师/研究者

• 课堂教学演示
• 论文实验可视化
• 模型性能分析

👨‍💻 AI开发者

• 快速验证模型效果
• 客户演示工具
• 项目原型开发

---

🔧 技术亮点

# 1. 专业的混淆矩阵实现
class ConfusionMatrix:
    def calculate_metrics(self):
        # 计算精确率、召回率、F1值等完整指标
        pass

# 2. 智能热力图生成
def generate_heatmap(self, image_tensor, class_idx=None):
    # 基于Grad-CAM的可视化方法
    pass

# 3. 多线程处理，界面不卡顿
threading.Thread(target=load_thread, daemon=True).start()