1 FLOWER RECOGNITION 花卉识别

注：本作品是OpenMMLab2023实战营的实验一基础作品

INTRODUCTION 介绍

• 使用简单：只需任意摄像头获取图片，就可以得到花卉的「分类标识」

• 类名序列：

  • daisy
  • dandelion
  • rose
  • sunflower
  • tulip

• 模型文件（"accuracy_top-1": 97.02797）：https://github.com/TianWen580/mmcls-exp1/releases/download/homework/epoch_43.pth

环境配置

python 3.8
pytorch 1.10.1
cuda 11.1
mmcv-full 1.7.0
mmcls 0.25.0

按照MMClassification官方文档的要求配置环境

SOLUTION 算法方案

• Baseline：ResNet18
• 类别均衡：以数据量最少的类为标准，手动去除了其余类别的部份数据使类别间数据量差异减少
• 数据增广：
  • Resize ：多尺度增强，预留范围224
  • RandomCrop：随机裁剪图像，预留范围最小为全图75%
  • RandomFlip：水平翻转，由于数据普遍以水平视角拍摄，不适合采用垂直翻转

模型训练与测试

• 数据集组织

  • 下载数据集：

    国际网：https://www.dropbox.com/s/snom6v4zfky0flx/flower_dataset.zip?dl=0

    国内网：https://pan.baidu.com/s/1RJmAoxCD_aNPyTRX6w97xQ 提取码: 9x5u

  • 可以利用脚本 mmclassification/mytools/dataset_divide.py 自动划分数据集为ImageNet格式（训练比0.8）

  |--data
     |--train
     |  |--class1
     |  |--class2
     |  |--...
     |--val
     |  |--class1
     |  |--class2
     |  |--...
     |--train.txt
     |--val.txt
     |--classes.txt
  

• 加载预训练模型

  下载模型并存放在 mmclassification/pth/ 中

• 启动训练

  python tools/train.py \
     configs/resnet/resnet18_b16_flower.py \
      --work-dir work_dirs/flower

  启动后训练log、配置文件以及所得模型将保存在 mmclassification/work_dirs/flower/ 中

2 GARBAGE RECOGNITION 迅捷垃圾识别

注：本作品是OpenMMLab2023实战营的实验一进阶作品

INTRODUCTION 介绍

• 使用简单：只需任意摄像头获取图片，就可以得到垃圾的「分类标识」

• 类名序列：

  • paper
  • green-glass
  • clothes
  • metal
  • cardboard
  • trash
  • biological
  • white-glass
  • battery
  • brown-glass
  • plastic
  • shoes

• 模型文件（"accuracy_top-1": 95.58918）：https://github.com/TianWen580/mmcls-exp1/releases/download/homework-advanced/latest.pth

环境配置

python 3.8
pytorch 1.10.1
cuda 11.1
mmcv-full 1.7.0
mmcls 0.25.0

按照MMClassification官方文档的要求配置环境

SOLUTION 算法方案

• Baseline：ResNet18

• 类别均衡：以数据量最少的类为标准，手动去除了其余类别的部份数据使类别间数据量差异减少

• 数据增广：

  • Resize ：多尺度增强，比例范围0.75-1.25
  • RandomCrop：随机裁剪图像，预留范围最小为全图75%
  • RandomFlip：水平翻转，由于数据普遍以水平视角拍摄，不适合采用垂直翻转

• 测试时增强：

  • MultiScaleFlipFile：多尺度增强，比例范围0.75, 1.0, 1.25
  • RandomFlip：水平翻转

• 学习率策略

  • 线性热身

    

模型训练与测试

• 数据集组织

  下载数据集，可以利用脚本 mmclassification/mytools/dataset_divide.py 自动划分数据集为ImageNet格式（训练比0.8）

  |--data
     |--train
     |  |--class1
     |  |--class2
     |  |--...
     |--val
     |  |--class1
     |  |--class2
     |  |--...
     |--train.txt
     |--val.txt
     |--classes.txt
  

• 加载预训练模型

  下载模型并存放在 mmclassification/pth/ 中

• 启动训练

  python tools/train.py \
     configs/resnet/resnet18_b16_garbage.py \
      --work-dir work_dirs/garbage

  启动后训练log、配置文件以及所得模型将保存在 mmclassification/work_dirs/garbage/ 中