本文主要是介绍【图像分类】华为云·垃圾分类亚军方案分享,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
导语
浏览更多内容,可访问:http://www.growai.cn
结束比赛有几天了,这几天一直在处理前段时间堆积的工作,今天得空对自己的方案进行梳理总结。今年7月多结束魔镜杯后,将之前的内容整理了一下,刚好看到华为垃圾分类比赛,由于我的工作内容还是偏图像,所以就想玩玩,有幸拿了一个亚军。
这次比赛是基于华为云的modelArts平台,免费的gpu硬件环境,全新的结果提交验证方法。感谢组织方华为云,喜欢打比赛的小伙伴也可以多留意该平台,会不定期举办各种数据类竞赛。这次我们队共有三人:谢赋(老虎)、舒欣(up)和文瑞(一休),大家交流分工合作,才能不断奋力前进。这次分享主要是针对决赛阶段,该阶段要求模型的推理时间不能大于100ms,不能使用融合和TTA。故关于模型融合和TTA技巧,本次不会涉及到,后面还会有图像分类的专题分享。
一 解题思路
- 拿到数据后,我们首先做了数据分析。统计数据样本分布,尺寸分布,图片形态等,基于分析可以做一些针对性的数据预处理算法,对后期的模型训练会有很大的帮助。
- 选择好的baseline。需要不断的尝试各种现有的网络结构,进行结果对比,挑选出适合该网络的模型结构,然后基于该模型进行不断的调参,调试出性能较好的参数。
- 做结果验证,分析badcase。将上述模型在验证集上做结果验证,找出错误样本,分析出错原因,然后针对性的调整网络和数据。
- 基于新数据和模型,再次进行模型调优
二 数据分析(EDA)
- 原始共有43个类别,共计19459张图片。图像类别数据不均衡,其中较少数据为类别3(牙签)、类别40(毛巾)和类别41(饮料盒);数据较多的为类别11(菜叶根)和类别21(插头电线)。
-
图片长宽比有一定的差异性,下图是h/w比例数据分布图(只显示该类数量大于100的比例),长宽比大多数集中于1,后来模型输入尺寸设为1:1
基于分析对图像进行简单的数据增强操作,包括图像的等比填充缩放裁剪,水平翻转、高斯噪声等。其中第一项目,对结果影响较大。这里是先将原始图像以最大边为基准做等比缩放,不足的地方填充0,这里缩放后的边是最终输入边长的256/224倍,然后在进行剪切,这里输入模型的尺寸为288*288。下图是对比图,如果不进行等比缩放,最终的结果是最右边的图片,最后的输出就极易识别为筷子。
等比缩放的代码如下:
class Resize(object):def __init__(self, size, interpolation=Image.BILINEAR):self.size = sizeself.interpolation = interpolationdef __call__(self, img):# paddingratio = self.size[0] / self.size[1]w, h = img.sizeif w / h < ratio:t = int(h * ratio)w_padding = (t - w) // 2img = img.crop((-w_padding, 0, w w_padding, h))else:t = int(w / ratio)h_padding = (t - h) // 2img = img.crop((0, -h_padding, w, h h_padding))img = img.resize(self.size, self.interpolation)return img
三 模型设计与训练
首先对原始的数据进行分组,9:1的比例分为训练集和测试集,基于此做线下验证。
模型结构 | baseline准确率 |
---|---|
se_resnext50_32x4d | 93.10 |
se_resnext101_32x4d | 93.59 |
Senet154 | 94.38 |
resnext50_32*8d | 95.01 |
resnext101_32*16d_wsl | 95.56 |
resnext101_32*32d_wsl | 95.32 |
Pnasnet5large | 94.38 |
efficientnet-b7 | 95.20 |
基于上述结果验证,采用了resnext101_32*16d_wsl网络作为基本的baseline,进行结果调优,最后的网络结构如下图,红色的部分为调整的网络部分,模型最后全连接层添加dropout降低过拟合,首层卷积添加cbam注意力机制增强特征表征能力,关注重要特征抑制不必要特征。基于此网络,现在训练20个epoch就能收敛到最高分,训练时间大概5个小时左右。
在模型参数选择和调整方面,尝试了很多参数,针对损失函数分别尝试了CrossEntropyLoss和focal loss, 优化函数:adabound、Radam、adam、sgd和sgd warm up, 其中adabound在起始收敛的速度较快,但是最终还是sgd的网络精度较高。学习率优化方面使用了ReduceLROnPlateau和定值优化两种方法,定值优化需要根据实验选择适合的降分点。并且也要针对不同的模型调整学习率,最终采用的参数如下:
- 使用预训练参数
- 优化函数: sgd
- 学习率:0.001
- 学习率优化:ReduceLROnPlateau
- 自己设置的网络层,初始学习率是预加载参数网络的5倍
四 结果分析
在验证集上做结果验证,得到下图所示的混淆矩阵。基于此分析各类别预测结果分布,分析badcase,采取措施进行数据扩充或数据增强工作。
五 展望
- 对网络结果中的全部残差块添加时间和空间注意力机制
- 对模型进行量化和剪枝,在保证精度的同时提高模型速度
- 转化为二分类问题,使用人脸的arcfaceloss triplet loss focal loss联合loss优化
- 在落地的场景中增加反馈机制,收集用户的反馈信息,对模型进行在线训练,不断增加训练数据优化模型。
参考文献
- Robustness properties of Facebook’s ResNeXtWSL models
- FaceNet: A Unified Embedding for Face Recognition and Clustering
- Focal Loss for Dense Object Detection
感悟与建议
- 想要做一件事情,要好好的坚持下去,坚持到最后都会有所收获;
- 结束一件任务,要做好总结,无论有没有获得名次;
- 报着真诚的态度向别人学习,学习别人的方法。比赛这种东西,即使第一次没有得奖,多参加两次,多熬两个夜就会得奖了,大多数比赛技巧性都比较强。
- 基础知识很重要,真正的牛人基础都会比较好,共勉!!!
如果想要获取开源代码,关注微信公众号AI成长社 回复:垃圾分类。
推荐阅读:
如果出现出现图片失效的情况请阅读:https://mp.weixin.qq.com/s/7GhXMXQkBgH_JVcKMjCejQ
- 基于lightgbm实现的二分类、多分类和回归任务
- 基于xgboost实现的二分类、多分类和回归任务
- 基于keras实现的二分类、多分类和回归任务
- 基于pytorch实现的二分类、多分类和回归任务
作者的知乎:一休, 知乎专栏:ML与DL成长之路
微信公号:AI成长社:ML/DL/CV的成长圣地。
这篇关于【图像分类】华为云·垃圾分类亚军方案分享的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!