Skip to content

TianWen580/flower_and_garbage_classification

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

1 FLOWER RECOGNITION 花卉识别

注:本作品是OpenMMLab2023实战营的实验一基础作品

dataset-cover

INTRODUCTION 介绍

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

    |--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/

  • 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/

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

dataset-cover.jpg

INTRODUCTION 介绍

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

      SCR-20230207-jpq

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/

  • 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/

About

OpenMMLab Image Classification Toolbox and Benchmark

Resources

License

Stars

Watchers

Forks

Packages

No packages published

Languages

  • Python 99.7%
  • Other 0.3%