图片分类赛官方baseline解读！

你的名字 2022-08-28 09:51 149阅读 0赞

![18c750eca6fe626d319982ba137bd1b1.png][]

## 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([])

![2e1002744324eadab03fbe4eec3a4d18.png][]

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。

![a0d7e6a2da289374531273b5b654587b.png][]

参考上面的操作，可以对数据集每类图片进行可视化：

![0439001df5ed8fc815b1c01e454ce59f.png][]

## 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：

1.  对数据集图片的主体物体进行定位&检测。
2.  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。
3.  对测试集结果进行数据扩增，然后进行投票。
    
    ![a023e1fdb90f3f9e37e1ddab47f19f74.png][]

**baseline地址：**

https://www.biendata.xyz/media/download\_file/21771129e38ed3f5b565af858fcd80b1.zip

**参赛办法**

扫描下方二维码或点击“阅读原文“

![a2c1c9aa671257de7c111011429e048c.png][]

[18c750eca6fe626d319982ba137bd1b1.png]: /images/20220828/ff5a760362ca4fadb25d02357abfdddb.png
[2e1002744324eadab03fbe4eec3a4d18.png]: /images/20220828/17c7756b9f834609aac2eeb147fff326.png
[a0d7e6a2da289374531273b5b654587b.png]: /images/20220828/7912fdf03ac140d5af303f8b177f8e5d.png
[0439001df5ed8fc815b1c01e454ce59f.png]: /images/20220828/d891a36d189a4d61aa67815dcf89ee64.png
[a023e1fdb90f3f9e37e1ddab47f19f74.png]: /images/20220828/9c91c36d373642f5a6df5c1181404912.png
[a2c1c9aa671257de7c111011429e048c.png]: /images/20220828/c76581bec6f34e868cae8604213d8c8f.png