Pytorch实现自然风光图像场景分类识别(含训练代码和数据集)

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。

【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

骨干网络,支持：resnet18/50,mobilenet_v2,googlenet,inception_v3,mobilevit，vit_l_16,vit_b_16

（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：

（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： 

​

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