图片分类赛官方baseline解读！
图片分类赛官方baseline解读！
01 赛题背景
为进一步加快“6+5+6+1”西安现代产业以及养老服务等行业领域急需紧缺高技能人才培养，动员广大职工在迎十四运创文明城、建设国家中心城市、助力西安新时代追赶超越高质量发展中展现新作为，市委组织部、市人社局、市总工会决定举办西安市2021年“迎全运、强技能、促提升”高技能人才技能大赛（全市计算机程序设计员技能大赛）。
随着我国经济的发展和城市化进程的加速，生活垃圾对城市环境的威胁日益增加。因此，如何高效、环保地解决处理生活垃圾迫在眉睫。生活垃圾的分类和处理可以有效地增加垃圾处理的效率，也因此成为社会关注的热点。然而，对垃圾分类的知识普及以及工作落实一直以来都是一个难题。本次活动将以垃圾分类为主题，结合人工智能、大数据、计算机视觉技术，实现生活垃圾的智慧分拣。
02 数据分拣
本次比赛将提供10,000张垃圾图片，其中8000张用于训练集，1,000张用于测试集。其中，每张图片中的垃圾都属于纸类、塑料、金属、玻璃、厨余、电池这六类垃圾中的一类。
数据文件：
- train.zip，训练集，包括7831张垃圾图片。
- validation.zip，测试集，包括2014张垃圾图片。
- train.csv，训练集图片标签，标签为A-F，分别代表厨余、塑料、金属、纸类、织物、玻璃。
03 数据分析
首先我们可以对赛题数据进行可视化，这里使用opencv读取图片并进行操作：
def show_image(paths):
plt.figure(figsize=(10, 8)) for idx, path in enumerate(paths):
plt.subplot(1, len(paths), idx+1)
img = cv2.imread(path)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.xticks([]); plt.yticks([])
从图中可以看出图片主体尺寸较少，但背景所包含的像素较多。接下来可以对类别数量进行统计，在数据集中厨余最多，玻璃垃圾最少。数据集类别整体还是比较均衡，样本比例没有相差很大。
参考上面的操作，可以对数据集每类图片进行可视化：
04 赛题建模
由于赛题任务是一个非常典型的图像分类任务，所以可以直接使用CNN模型训练的过程来完成。在本地比赛中如果使用得到的预训练模型越强，则最终的精度越好。
在构建模型并进行训练之前，非常建议将训练集图片提前进行缩放，这样加快图片的读取速度，也可以加快模型的训练速度。具体的缩放代码如下：
import cv2, glob, os import numpy as np
os.mkdir('train_512')
os.mkdir('validation_512')for path in glob.glob('./train/*'): if os.path.exists('train_512/' + path.split('/')[-1]): continue
img = cv2.imread(path) try:
img = cv2.resize(img, (512, 512))
cv2.imwrite('train_512/' + path.split('/')[-1], img) except: passfor path in glob.glob('./validation/*'): if os.path.exists('validation_512/' + path.split('/')[-1]): continue
img = cv2.imread(path) try:
img = cv2.resize(img, (512, 512))
cv2.imwrite('validation_512/' + path.split('/')[-1], img) except:
img = np.zeros((512, 512, 3))
cv2.imwrite('validation_512/' + path.split('/')[-1], img)Pytorch版本baseline
如果使用Pytorch，则需要按照如下步骤进行：
- 定义数据集
- 定义模型
- 模型训练和预测
class BiendataDataset(Dataset): def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
self.transform = transform def __getitem__(self, index): try:
img = Image.open(self.img_path[index]).convert('RGB') except:
index = 0
img = Image.open(self.img_path[index]).convert('RGB') if self.transform is not None:
img = self.transform(img)
label = torch.from_numpy(np.array([self.img_label[index]])) return img, label def __len__(self): return len(self.img_path)预训练模型推荐使用efficientnet，模型精度会更好。
import timm
model = timm.create_model('efficientnet_b4', num_classes=6,
pretrained=True, in_chans=3)具体的数据扩增方法为：
transforms.Compose([
transforms.Resize((300, 300)),
transforms.RandomHorizontalFlip(),
transforms.RandomVerticalFlip(),
transforms.RandomAffine(5, scale=[0.95, 1.05]),
transforms.RandomCrop((256, 256)),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])TF2.0版本baseline
如果使用TF2.0，则更加简单：
- 定义ImageDataGenerator
- 定义模型
- 模型训练和预测
模型加载代码为：
from efficientnet.tfkeras import EfficientNetB4
models = EfficientNetB4(weights='imagenet', include_top=False)具体的数据扩增方法为：
train_datagen = ImageDataGenerator(
rescale=1. / 255, # 归一化
rotation_range=45, # 旋转角度
width_shift_range=0.1, # 水平偏移
height_shift_range=0.1, # 垂直偏移
shear_range=0.1, # 随机错切变换的角度
zoom_range=0.25, # 随机缩放的范围
horizontal_flip=True, # 随机将一半图像水平翻转
fill_mode='nearest' # 填充像素的方法
)05 赛题上分思路
如果使用baseline的思路，则可以取得线上0.85的成绩。如果还想取得更优的成绩，可以考虑如下操作：
- 对数据集图片的主体物体进行定位&检测。
- 通过五折交叉验证，训练得到5个模型然后对测试集进行投票。
- 对测试集结果进行数据扩增，然后进行投票。
baseline地址：
https://www.biendata.xyz/media/download_file/21771129e38ed3f5b565af858fcd80b1.zip