深度学习python项目--垃圾图像分类识别 关键模型:VGG19DenseNet121ResNeXt101 包含内容:数据集ppt文档代码搞图像分类项目的时候选模型总让人头大。这次垃圾识别项目我试了三个经典CNN架构VGG19、DenseNet121和ResNeXt101。这三个老将放在垃圾数据集上打架场面挺有意思的。先看数据准备部分。用torchvision的ImageLoader处理图像时发现垃圾图片尺寸参差不齐。随手写了个尺寸统计脚本from PIL import Image import os sizes [] for root, _, files in os.walk(trash_dataset): for file in files: if file.endswith((.jpg,.png)): with Image.open(os.path.join(root, file)) as img: sizes.append(img.size) widths, heights zip(*sizes) print(f平均尺寸: {sum(widths)/len(widths):.0f}x{sum(heights)/len(heights):.0f})输出显示平均在480x360左右但存在大量手机拍摄的竖构图。这时候数据增强就得下狠手了随机水平翻转概率给到0.8垂直翻转0.5加上颜色抖动。别小看这些操作实测能让ResNeXt的验证准确率提升3个百分点。模型加载环节有个坑点。拿VGG19举例很多人直接照搬官方示例from torchvision import models model models.vgg19(pretrainedTrue)但垃圾数据集的类别数和ImageNet不同得改分类头。更骚的操作是冻结前10层卷积for param in model.features[:10].parameters(): param.requires_grad False model.classifier[6] nn.Linear(4096, num_classes) # 替换最后一层 nn.init.kaiming_normal_(model.classifier[6].weight)这里用Kaiming初始化新加的全连接层比默认初始化收敛快一倍。训练时发现VGG的FC层特别吃内存batch_size只能设到32而DenseNet却能飙到128——这货的密集连接结构确实省内存。深度学习python项目--垃圾图像分类识别 关键模型:VGG19DenseNet121ResNeXt101 包含内容:数据集ppt文档代码DenseNet121的迁移学习有玄机。它的过渡层transition layer容易成为瓶颈特别是当原始输入尺寸和我们的数据差距较大时。解决方法是在第一个卷积层后插入自适应池化class CustomDenseNet(nn.Module): def __init__(self): super().__init__() base models.densenet121(pretrainedTrue) self.features nn.Sequential( base.features.conv0, base.features.norm0, base.features.relu0, base.features.pool0, nn.AdaptiveAvgPool2d((224, 224)) # 关键调整 ) self.main nn.Sequential(*list(base.features.children())[4:-1]) self.classifier nn.Linear(1024, num_classes)这个魔改版在验证集上比原版涨了2.7%准确率。不过要注意插入新层后需要重新调整学习率别直接用预训练模型的标准配置。ResNeXt101是个重型武器。用8卡V100训练时发现当batch_size超过256后精度开始下降。这时候要用渐进式冻结策略——前5轮只训练最后两个block第6-10轮解冻中间block最后全解冻。配合余弦退火学习率optimizer torch.optim.SGD([ {params: model.layer1.parameters(), lr: 0.001}, {params: model.layer2.parameters(), lr: 0.01}, {params: model.layer3.parameters(), lr: 0.1} ], momentum0.9) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10)这种分层次的学习率设置让ResNeXt在测试集上冲到91.2%准确率不过训练时长是前两个模型的三倍。有意思的是混淆矩阵显示它总把玻璃瓶误判为陶瓷碗而VGG却不会——可能更深层的特征反而放大了某些材质纹理的相似性。最后在部署时发现ResNeXt的推理速度比DenseNet慢40%。于是做了个混合方案用DenseNet做第一级粗筛ResNeXt做第二级精判。这样整体FPS从12提升到27准确率只下降0.8%。有时候模型组合比单模死磕更实用。项目里的数据增强策略、模型对比表格和推理优化技巧都整理在随代码提供的PPT里了。有个反直觉的发现在垃圾数据集上适当降低数据清洗的严格程度反而能提升模型鲁棒性——毕竟现实场景的垃圾图片本来就有各种遮挡和变形。
深度探索：VGG19、DenseNet121与ResNeXt101在垃圾图像分类识别Pytho...
深度学习python项目--垃圾图像分类识别 关键模型:VGG19DenseNet121ResNeXt101 包含内容:数据集ppt文档代码搞图像分类项目的时候选模型总让人头大。这次垃圾识别项目我试了三个经典CNN架构VGG19、DenseNet121和ResNeXt101。这三个老将放在垃圾数据集上打架场面挺有意思的。先看数据准备部分。用torchvision的ImageLoader处理图像时发现垃圾图片尺寸参差不齐。随手写了个尺寸统计脚本from PIL import Image import os sizes [] for root, _, files in os.walk(trash_dataset): for file in files: if file.endswith((.jpg,.png)): with Image.open(os.path.join(root, file)) as img: sizes.append(img.size) widths, heights zip(*sizes) print(f平均尺寸: {sum(widths)/len(widths):.0f}x{sum(heights)/len(heights):.0f})输出显示平均在480x360左右但存在大量手机拍摄的竖构图。这时候数据增强就得下狠手了随机水平翻转概率给到0.8垂直翻转0.5加上颜色抖动。别小看这些操作实测能让ResNeXt的验证准确率提升3个百分点。模型加载环节有个坑点。拿VGG19举例很多人直接照搬官方示例from torchvision import models model models.vgg19(pretrainedTrue)但垃圾数据集的类别数和ImageNet不同得改分类头。更骚的操作是冻结前10层卷积for param in model.features[:10].parameters(): param.requires_grad False model.classifier[6] nn.Linear(4096, num_classes) # 替换最后一层 nn.init.kaiming_normal_(model.classifier[6].weight)这里用Kaiming初始化新加的全连接层比默认初始化收敛快一倍。训练时发现VGG的FC层特别吃内存batch_size只能设到32而DenseNet却能飙到128——这货的密集连接结构确实省内存。深度学习python项目--垃圾图像分类识别 关键模型:VGG19DenseNet121ResNeXt101 包含内容:数据集ppt文档代码DenseNet121的迁移学习有玄机。它的过渡层transition layer容易成为瓶颈特别是当原始输入尺寸和我们的数据差距较大时。解决方法是在第一个卷积层后插入自适应池化class CustomDenseNet(nn.Module): def __init__(self): super().__init__() base models.densenet121(pretrainedTrue) self.features nn.Sequential( base.features.conv0, base.features.norm0, base.features.relu0, base.features.pool0, nn.AdaptiveAvgPool2d((224, 224)) # 关键调整 ) self.main nn.Sequential(*list(base.features.children())[4:-1]) self.classifier nn.Linear(1024, num_classes)这个魔改版在验证集上比原版涨了2.7%准确率。不过要注意插入新层后需要重新调整学习率别直接用预训练模型的标准配置。ResNeXt101是个重型武器。用8卡V100训练时发现当batch_size超过256后精度开始下降。这时候要用渐进式冻结策略——前5轮只训练最后两个block第6-10轮解冻中间block最后全解冻。配合余弦退火学习率optimizer torch.optim.SGD([ {params: model.layer1.parameters(), lr: 0.001}, {params: model.layer2.parameters(), lr: 0.01}, {params: model.layer3.parameters(), lr: 0.1} ], momentum0.9) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max10)这种分层次的学习率设置让ResNeXt在测试集上冲到91.2%准确率不过训练时长是前两个模型的三倍。有意思的是混淆矩阵显示它总把玻璃瓶误判为陶瓷碗而VGG却不会——可能更深层的特征反而放大了某些材质纹理的相似性。最后在部署时发现ResNeXt的推理速度比DenseNet慢40%。于是做了个混合方案用DenseNet做第一级粗筛ResNeXt做第二级精判。这样整体FPS从12提升到27准确率只下降0.8%。有时候模型组合比单模死磕更实用。项目里的数据增强策略、模型对比表格和推理优化技巧都整理在随代码提供的PPT里了。有个反直觉的发现在垃圾数据集上适当降低数据清洗的严格程度反而能提升模型鲁棒性——毕竟现实场景的垃圾图片本来就有各种遮挡和变形。
