Pytorch实现自然风光图像场景分类识别(含训练代码和数据集)
目录
Pytorch实现自然风光图像场景分类识别(含训练代码和数据集)
1. 前言
2. 自然风光图像场景分类数据集
（1）自然风光图像场景分类数据集
（2）自定义数据集
3. 自然风光图像场景分类模型训练
（1）项目安装
（2）准备Train和Test数据
（3）配置文件：config.yaml
（4）开始训练
（5）可视化训练过程
（6）一些优化建议
（7） 一些运行错误处理方法：
4. 自然风光图像场景分类模型测试效果
5.项目源码下载
1. 前言
本项目将基于深度学习Pytorch，搭建一个自然风图像场景分类识别的训练和测试项目，实现一个简单的自然风光场景图像识别系统。项目收集了6种类场景图像，包含建筑物、森林，冰川，山、海和街道六个场景，总数约17000张图片数据；项目骨干网络支持常见的CNN模型，如MobileNet, resnet[18,34,50]，也支持Transformer的模型，如MobileVit，Vit_L_16,Vit_B_16等模型，用户也可以自定义其他模型，进行训练和测试。
| 模型 | input size | 准确率 |
| mobilenet_v2 | 224×224 | 93.3667 |
| resnet18 | 224×224 | 93.8333 |
| MobileVit | 256×256 | 92.1333 |
| Vit_B_16 | 224×224 | 93.4333 |
【尊重原创，转载请注明出处】https://blog.csdn.net/guyuealian/article/details/141747025
2. 自然风光图像场景分类数据集
（1）自然风光图像场景分类数据集
项目收集了自然风光场景图像数据集，该数据集包含：建筑物、森林，冰川，山、海和街道六个场景，原始数据最初由英特尔在https://datahack.analyticsvidhya.com上发布，以举办图像分类挑战赛；总数约25,000张图片，分为三个子集，其中训练集Train14000张图片，验证集Val约3000张图片和测试集Test7000张图片，但测试集并没有标注类别；
建筑物
森林
冰川
山
海
街道
（2）自定义数据集
如果需要新增类别数据，或者需要自定数据集进行训练，可以如下进行处理：
- Train和Test数据集，要求相同类别的图片，放在同一个文件夹下；且子目录文件夹命名为类别名称，如
- 类别文件：一行一个列表：class_name.txt
(最后一行,请多回车一行)
A
B
C
D
- 修改配置文件的数据路径：config.yaml
train_data: # 可添加多个数据集
- 'data/dataset/train1'
- 'data/dataset/train2'
test_data: 'data/dataset/test'
class_name: 'data/dataset/class_name.txt'
...
...3. 自然风光图像场景分类模型训练
本项目以自然风光场景图像数据集为训练和测试样本，你也可以根据自己的需要增加和较少类别，进行训练。
（1）项目安装
整套工程基本框架结构如下：
.
├── classifier # 训练模型相关工具
├── configs # 训练配置文件
├── data # 训练数据
├── libs
├── demo.py # 模型推理demo
├── README.md # 项目工程说明文档
├── requirements.txt # 项目相关依赖包
└── train.py # 训练文件项目依赖python包请参考requirements.txt，使用pip安装即可：
numpy==1.16.3
matplotlib==3.1.0
Pillow==6.0.0
easydict==1.9
opencv-contrib-python==4.5.2.52
opencv-python==4.5.1.48
pandas==1.1.5
PyYAML==5.3.1
scikit-image==0.17.2
scikit-learn==0.24.0
scipy==1.5.4
seaborn==0.11.2
tensorboard==2.5.0
tensorboardX==2.1
torch==1.7.1+cu110
torchvision==0.8.2+cu110
tqdm==4.55.1
xmltodict==0.12.0
basetrainer
pybaseutils==0.6.5项目安装教程请参考（初学者入门，麻烦先看完下面教程，配置好开发环境）：
- 项目开发使用教程和常见问题和解决方法
- 视频教程：1 手把手教你安装CUDA和cuDNN(1)
- 视频教程：2 手把手教你安装CUDA和cuDNN(2)
- 视频教程：3 如何用Anaconda创建pycharm环境
- 视频教程：4 如何在pycharm中使用Anaconda创建的python环境
（2）准备Train和Test数据
下载数据集，Train和Test数据集，要求相同类别的图片，放在同一个文件夹下；且子目录文件夹命名为类别名称。
数据增强方式主要采用： 随机裁剪，随机翻转，随机旋转，颜色变换等处理方式
import numbers
import random
import PIL.Image as Image
import numpy as np
from torchvision import transforms
def image_transform(input_size, rgb_mean=[0.5, 0.5, 0.5], rgb_std=[0.5, 0.5, 0.5], trans_type="train"):
"""
不推荐使用：RandomResizedCrop(input_size), # bug:目标容易被crop掉
:param input_size: [w,h]
:param rgb_mean:
:param rgb_std:
:param trans_type:
:return::
"""
if trans_type == "train":
transform = transforms.Compose([
transforms.Resize([int(128 * input_size[1] / 112), int(128 * input_size[0] / 112)]),
transforms.RandomHorizontalFlip(), # 随机左右翻转
# transforms.RandomVerticalFlip(), # 随机上下翻转
transforms.ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5, hue=0.1),
transforms.RandomRotation(degrees=5),
transforms.RandomCrop([input_size[1], input_size[0]]),
transforms.ToTensor(),
transforms.Normalize(mean=rgb_mean, std=rgb_std),
])
elif trans_type == "val" or trans_type == "test":
transform = transforms.Compose([
transforms.Resize([input_size[1], input_size[0]]),
# transforms.CenterCrop([input_size[1], input_size[0]]),
# transforms.Resize(input_size),
transforms.ToTensor(),
transforms.Normalize(mean=rgb_mean, std=rgb_std),
])
else:
raise Exception("transform_type ERROR:{}".format(trans_type))
return transform修改配置文件数据路径：config.yaml
# 训练数据集，可支持多个数据集
train_data:
- 'path/to/Natural/dataset/train'
# 测试数据集
test_data: 'path/to/Natural/dataset/val'
# 类别文件
class_name: 'path/to/class_name.txt'（3）配置文件：config.yaml
- 骨干网络(backbone)支持CNN模型，如MobileNet, resnet[18,34,50]，也支持transformer的模型，如MobileVit，Vit_L_16,Vit_B_16等模型，用户也可以自定义模型，进行模型训练和测试。
- 训练参数可以通过(configs/config.yaml)配置文件进行设置
配置文件：config.yaml说明如下：
# 训练数据集，可支持多个数据集
train_data:
- 'path/to/Natural/dataset/train'
# 测试数据集
test_data: 'path/to/Natural/dataset/val'
# 类别文件
class_name: 'path/to/class_name.txt'
train_transform: "train" # 训练使用的数据增强方法
test_transform: "val" # 测试使用的数据增强方法
work_dir: "work_space/" # 保存输出模型的目录
net_type: "mobilenet_v2" # 骨干网络,支持：resnet18/50,mobilenet_v2,googlenet,inception_v3,mobilevit，vit_l_16,vit_b_16
width_mult: 1.0
input_size: [ 224,224 ] # 模型输入大小
rgb_mean: [ 0.5, 0.5, 0.5 ] # for normalize inputs to [-1, 1],Sequence of means for each channel.
rgb_std: [ 0.5, 0.5, 0.5 ] # for normalize,Sequence of standard deviations for each channel.
batch_size: 32
lr: 0.01 # 初始学习率
optim_type: "SGD" # 选择优化器，SGD,Adam
loss_type: "CrossEntropyLoss" # 选择损失函数：支持CrossEntropyLoss,LabelSmoothing
momentum: 0.9 # SGD momentum
num_epochs: 100 # 训练循环次数
num_warn_up: 3 # warn-up次数
num_workers: 8 # 加载数据工作进程数
weight_decay: 0.0005 # weight_decay，默认5e-4
scheduler: "multi-step" # 学习率调整策略
milestones: [ 20,50,80 ] # 下调学习率方式
gpu_id: [ 0 ] # GPU ID
log_freq: 50 # LOG打印频率
progress: True # 是否显示进度条
pretrained: False # 是否使用pretrained模型
finetune: False # 是否进行finetune| 参数 | 类型 | 参考值 | 说明 |
|---|---|---|---|
| train_data | str, list | - | 训练数据文件，可支持多个文件 |
| test_data | str, list | - | 测试数据文件，可支持多个文件 |
| class_name | str | - | 类别文件 |
| work_dir | str | work_space | 训练输出工作空间 |
| net_type | str | resnet18 | 骨干网络,支持：resnet18/50,mobilenet_v2,googlenet,inception_v3,mobilevit，vit_l_16,vit_b_16 |
| input_size | list | [128,128] | 模型输入大小[W,H] |
| batch_size | int | 32 | batch size |
| lr | float | 0.1 | 初始学习率大小 |
| optim_type | str | SGD | 优化器，{SGD,Adam} |
| loss_type | str | CELoss | 损失函数 |
| scheduler | str | multi-step | 学习率调整策略，{multi-step,cosine} |
| milestones | list | [30,80,100] | 降低学习率的节点，仅仅scheduler=multi-step有效 |
| momentum | float | 0.9 | SGD动量因子 |
| num_epochs | int | 120 | 循环训练的次数 |
| num_warn_up | int | 3 | warn_up的次数 |
| num_workers | int | 12 | DataLoader开启线程数 |
| weight_decay | float | 5e-4 | 权重衰减系数 |
| gpu_id | list | [ 0 ] | 指定训练的GPU卡号，可指定多个 |
| log_freq | in | 20 | 显示LOG信息的频率 |
| finetune | str | model.pth | finetune的模型 |
| progress | bool | True | 是否显示进度条 |
| distributed | bool | False | 是否使用分布式训练 |
（4）开始训练
整套训练代码非常简单操作，用户只需要将相同类别的数据放在同一个目录下，并填写好对应的数据路径，即可开始训练了。
python train.py -c configs/config.yaml
训练完成后，在自然风光图像场景分类数据集上，训练集的Accuracy在98%左右，验证集的Accuracy在93%左右，下表给出mobilenet_v2, resnet18，MobileVit和Vit_B_16等常用模型验证集的准确率：
| 模型 | input size | 准确率 |
| mobilenet_v2 | 224×224 | 93.3667 |
| resnet18 | 224×224 | 93.8333 |
| MobileVit | 256×256 | 92.1333 |
| Vit_B_16 | 224×224 | 93.4333 |
（5）可视化训练过程
训练过程可视化工具是使用Tensorboard，使用方法，可参考这里：项目开发使用教程和常见问题和解决方法 在终端输入：
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=work_space/mobilevit_1.0_256_256_LabelSmooth_20240829_183703_3889/log
可视化效果
（6）一些优化建议
如果想进一步提高准确率，可以尝试：
- 最重要的： 清洗数据集，原始数据大部分都是通过网上爬取的，存在部分错误的图片，尽管鄙人已经清洗一部分了，但还是建议你，训练前，再次清洗数据集，不然会影响模型的识别的准确率。
- 使用不同backbone模型，比如resnet50或者更深，参数量更大的模型
- 增加数据增强： 已经支持： 随机裁剪，随机翻转，随机旋转，颜色变换等数据增强方式，可以尝试诸如mixup，CutMix等更复杂的数据增强方式
- 样本均衡： 建议进行样本均衡处理，避免长尾问题
- 调超参： 比如学习率调整策略，优化器（SGD,Adam等）
- 损失函数： 目前训练代码已经支持：交叉熵，LabelSmoothing，可以尝试FocalLoss等损失函数
（7） 一些运行错误处理方法：
-
项目不要出现含有中文字符的目录文件或路径，否则会出现很多异常！！！！！！！！
-
cannot import name 'load_state_dict_from_url'
由于一些版本升级，会导致部分接口函数不能使用，请确保版本对应
torch==1.7.1
torchvision==0.8.2
或者将对应python文件将
from torchvision.models.resnet import model_urls, load_state_dict_from_url
修改为：
from torch.hub import load_state_dict_from_url
model_urls = {
'mobilenet_v2': 'https://download.pytorch.org/models/mobilenet_v2-b0353104.pth',
'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
'resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth',
'resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth',
'wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth',
'wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth',
}
4. 自然风光图像场景分类模型测试效果
demo.py文件用于推理和测试模型的效果，填写好配置文件，模型文件以及测试图片即可运行测试了
def get_parser():
# 配置文件
config_file = "work_space/mobilenet_v2_1.0_224_224_LabelSmooth_20240828_090042_9751/config.yaml"
# 模型文件
model_file = "work_space/mobilenet_v2_1.0_224_224_LabelSmooth_20240828_090042_9751/model/latest_model_119_92.6333.pth"
# 待测试图片目录
image_dir = "data/test_images"
parser = argparse.ArgumentParser(description="Inference Argument")
parser.add_argument("-c", "--config_file", help="configs file", default=config_file, type=str)
parser.add_argument("-m", "--model_file", help="model_file", default=model_file, type=str)
parser.add_argument("--device", help="cuda device id", default="cuda:0", type=str)
parser.add_argument("--image_dir", help="image file or directory", default=image_dir, type=str)
return parser#!/usr/bin/env bash
# Usage:
# python demo.py -c "path/to/config.yaml" -m "path/to/model.pth" --image_dir "path/to/image_dir"
python demo.py -c work_space/mobilenet_v2_1.0_224_224_LabelSmooth_20240828_090042_9751/config.yaml -m work_space/mobilenet_v2_1.0_224_224_LabelSmooth_20240828_090042_9751/model/latest_model_119_92.6333.pth --image_dir data/test_images
运行测试结果：
|
pred_index:['冰川'],pred_score:[0.9146847] |
pred_index:['山'],pred_score:[0.7039213] |
|
pred_index:['建筑物'],pred_score:[0.92356795] |
pred_index:['森林'],pred_score:[0.91926664] |
5.项目源码下载
【源码下载】Pytorch实现自然风光图像场景分类识别(含训练代码和数据集)
整套项目源码内容包含：
- 自然风光图像场景分类数据集: 数据集包含：建筑物、森林，冰川，山、海和街道六个场景，总数约25,000张图片，分为三个子集，其中训练集Train14000张图片，验证集Val约3000张图片和测试集Test7000张图片，但测试集并没有标注类别；
- 项目支持自定义数据集进行训练
- 项目骨干网络支持常见的CNN模型，如MobileNet, resnet[18,34,50]，也支持Transformer的模型，如MobileVit，Vit_L_16,Vit_B_16等模型，用户也可以自定义其他模型，进行训练和测试
- 项目提供已经训练好的模型，无需重新训练，即可运行demo.py测试图片
