yunshao555

  • 6

    获得赞
  • 0

    发布的文章
  • 3

    答辩的项目

北京垃圾分类-答辩

Batch大小为32,循环次数为20次,损失函数优化完,最终完成评分为85.97。

北京垃圾分类识别
EfficientNet PyTorch 图像分类
最后更新 2020/06/19 17:54 阅读 415

北京垃圾分类识别

最后更新 2020/06/19 17:54

阅读 415

EfficientNet PyTorch 图像分类

1、数据处理

 ①图片输入网络尺寸,这个可以参考选择的baseline在ImageNet上使用的图片尺寸,或者通过观察数据集图片分布来决定,因为我使用的baseline是efficientnet-b3a,所以选择的图片输入尺寸为320 x 320'efficientnet_b3a': _cfg(input_size=(3, 320, 320), pool_size=(10, 10), crop_pct=1.0) 

②数据增强,出于方便,训练阶段直接适用RandAugment作为数据增强操作,测试阶段适用保持长宽比的Resize操作

 ③数据集划分,可以尽可能的让训练数据多,也可以考虑全部数据用于训练,我使用的训练集和验证集比例为9:1 

2、模型选择考虑到resnext101在图片尺寸较大时,占用的内存会比efficientnet-b3要大,所以我使用的模型为efficientnet-b3a,并加载该模型在ImageNet上的预训练参数。 

path = remote_helper.get_remote_data('https://www.flyai.com/m/efficientnet_b3_ra-a5e2fbc7.pth')       

 print(path)        

model = timm.create_model('efficientnet_b3a', pretrained=False)        

model.load_state_dict(torch.load(path))        

num_ftrs = model.classifier.in_features        

model.classifier = nn.Linear(num_ftrs, 214) 

注:这里最好将模型上传到flyai官网再去加载,不然在线加载需要很长的时间 

 3、训练技巧 

①使用sgd作为优化器optim.SGD(model.parameters(), lr=lr, momentum=0.9, weight_decay=1e-4, nesterov=True) 

②使用ReduceLROnPlateau作为学习率调整策略lr_scheduler.ReduceLROnPlateau(optimizer, mode='max', factor=0.3, patience=3, verbose=True) 

③使用标签平滑损失,用来防止过拟合lossfunc = LabelSmoothingCrossEntropy() 

④使用tta测试增强在测试时使用五切的方式进行数据增强操作,可以相对稳定的提分,但是相应的测试时间也会增多 transforms1 = tta.Compose(                

[                    tta.FiveCrops(crop_width=crop_with, crop_height=crop_with)                ]            )            

tta_model = tta.ClassificationTTAWrapper(model_ft, transforms1) 

模型最终得分:85.97分

本文为作者在FlyAI平台发布的原创内容,采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/n/137603
立即参加 北京垃圾分类识别
代码展示

EfficientNet PyTorch 图像分类

选择查看文件
$vue{codeKeys}
  • $vue{ix}
赞赏贡献者还可以查看和下载优质代码内容哦!
赞赏 ¥36.88元
©以上内容仅用于在FlyAI平台交流学习,禁止转载、商用;违者将依法追究法律责任。
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功!
您的公开申请已发送至后台审核,
通过后将公开展示本详情页!
知道了
向贡献者赞赏
¥36.88
微信支付
支付宝

请先绑定您的微信账号 点击立即绑定

立即支付
温馨提示:
支付成功后不支持申请退款,请理性消费;
支付成功将自动解锁当前页面代码内容,付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付

敬请谅解,如有疑问请联系FlyAI客服

知道了
举报
请选择举报理由
确定
提示
确定要删除?
取消删除