plants_disease_classify_pytorch

背景

pytorch 进行图像分类的代码（从实例掌握 pytorch 进行图像分类）

数据

新增数据集下载链接：百度网盘 提取码：yae4 包含训练集、验证集、测试集A/B.

数据增强

data_aug.py 用于线下数据增强，支持的增强方式：

• 高斯噪声
• 亮度变化
• 左右翻转
• 上下翻转
• 色彩抖动
• 对比度变化
• 锐度变化

注：对比度增强在可视化后，主观感觉特征更明显了，如果做了对比度增强，在测试集的时候最好也做一下。

比赛地址（已失效）：农作物病害检测

成绩：线上 0.8805，线下0.875，由于划分存在随机性，可能复现会出现波动。

提醒

main.py 中的test函数已经修正，执行后在 ./submit/中会得到提交格式的 json 文件。依赖中的 pytorch 版本请保持一致，不然可能会有一些小 BUG。

1. 依赖

python3.6 pytorch0.4.1

2. 关于数据的处理

首先说明，使用的数据为官方更新后的数据，并做了一个统计分析（下文会给出），最后决定删除第 44 类和第 45 类。 并且由于数据分布的原因，将 train 和 val 数据集合并后，采用随机划分。

数据增强方式：

• RandomRotation(30)
• RandomHorizontalFlip()
• RandomVerticalFlip()
• RandomAffine(45)

图片尺寸选择了320。

3. 模型选择

模型目前就尝试了 resnet50。

4. 超参数设置

详情在 config.py 中

5.使用方法

• 第一步：将测试集图片复制到 data/test/ 下
• 第二步：将训练集合验证集中的图片都复制到 data/temp/images/ 下，将两个 json 文件放到 data/temp/labels/ 下
• 执行 move.py 文件
• 执行 main.py 进行训练

6.数据分布图

训练集

验证集

7. 参考

Ai Challenger 2018 Competitions 农作物病害检测