圖像處理（3）：深度學習之圖像分類（垃圾分類案例）

AI垃圾分類

產品描述

如何進行垃圾分類已經成爲居民生活的靈魂拷問，然而AI在垃圾分類的應用可以成爲居民的得力助手。
針對目前業務需求，我們設計一款APP，來支撐我們的業務需求，主要提供文本，語音，圖片分類功能。AI智能垃圾分類主要通過構建基於深度學習技術的圖像分類模型，實現垃圾圖片類別的精準識別重點處理圖片分類問題。
採用深圳市垃圾分類標準，輸出該物品屬於可回收物、廚餘垃圾、有害垃圾和其他垃圾分類。

垃圾分類-數據分析和預處理

• 整體數據探測
• 分析數據不同類別分佈
• 分析圖片長寬比例分佈
• 切分數據集和驗證集
• 數據可視化展示（可視化工具 pyecharts,seaborn,matplotlib)

代碼結構

├── data
│   ├── garbage-classify-for-pytorch
│   │   ├── train
│   │   ├── train.txt
│   │   ├── val
│   │   └── val.txt
│   └── garbage_label.txt
├── analyzer
│   ├── 01 垃圾分類_一級分類 數據分佈.ipynb
│   ├── 02 垃圾分類_二級分類 數據分析.ipynb
│   ├── 03 數據加載以及可視化.ipynb
│   ├── 03 數據預處理-縮放&裁剪&標準化.ipynb
│   ├── garbage_label_40 標籤生成.ipynb
├── models
│   ├── alexnet.py
│   ├── densenet.py
│   ├── inception.py
│   ├── resnet.py
│   ├── squeezenet.py
│   └── vgg.py
├── facebook
│   ├── app_resnext101_WSL.py
│   ├── facebookresearch_WSL-Images_resnext.ipynb
│   ├── ResNeXt101_pre_trained_model.ipynb
├── checkpoint
│   ├── checkpoint.pth.tar
│   ├── garbage_resnext101_model_9_9547_9588.pth
├── utils
│   ├── eval.py
│   ├── json_utils.py
│   ├── logger.py
│   ├── misc.py
│   └── utils.py
├── args.py
├── model.py
├── transform.py
├── garbage-classification-using-pytorch.py
├── app_garbage.py

• data: 訓練數據和驗證數據、標籤數據
• checkpoint: 日誌數據、模型文件、訓練過程checkpoint中間數據
• app_garbage.py：在線預測服務
• garbage-classification-using-pytorch.py：訓練模型
• models：提供各種pre_trained_model ,例如：alexlet、densenet、resnet，resnext等
• utils:提供各種工具類，例如；重新flask json 格式，日誌工具類、效果評估
• facebook: 提供facebook 分類器神奇的分類預測和數據預處理
• analyzer: 數據分析和數據預處理模塊
• transform.py：通過pytorch 進行數據預處理
• model.py: resnext101 模型集成以及調整、模型訓練和驗證函數封裝

resnext101網絡架構

• pre_trained_model resnext101 網絡架構原理
• 基於pytorch 數據處理、resnext101 模型分類預測
• 在線服務API 接口

垃圾分類-訓練

python garbage-classification-using-pytorch.py \
        --model_name resnext101_32x16d \
        --lr 0.001 \
        --optimizer  adam \
        --start_epoch 1 \
        --epochs 10 \
        --num_classes 40

• model_name 模型名稱
• lr 學習率
• optimizer 優化器
• start_epoch 訓練過程斷點重新訓練
• num_classes 分類個數

垃圾分類-評估

python garbage-classification-using-pytorch.py \
    --model_name resnext101_32x16d \
    --evaluate  \
    --resume checkpoint/checkpoint.pth.tar \
    --num_classes 40 

• model_name 模型名稱
• evaluate 模型評估
• resume 指定checkpoint 文件路徑，保存模型以及訓練過程參數

垃圾分類-在線預測

python app_garbage.py \
    --model_name resnext101_32x16d \
    --resume checkpoint/garbage_resnext101_model_2_1111_4211.pth

• model_name 模型名稱
• resume 訓練模型文件路徑
• 模型預測
  命令行驗證和postman 方式驗證
  舉例說明：命令行模式下預測
  curl -X POST -F [email protected] http://ip:port/predict

最後，我們從0到1教大家掌握如何進行垃圾分類。通過本學習，讓你徹底掌握AI圖像分類技術在我們實際工作中的應用。

更多精彩內容，https://github.com/shenfuli/ai

具體視頻講解請關注：

PyTorch實戰-深度學習之圖像分類（垃圾分類案例）

https://edu.csdn.net/course/detail/26983

1. 你是什麼垃圾？

2. 告訴你，你是什麼垃圾

3. 使用它告訴你，你是啥垃圾

4.走進垃圾世界，掌握垃圾處理