iMet-Collection2019-FGVC6-Baseline

竞赛官网: https://www.kaggle.com/c/imet-2019-fgvc6/overview

Dataset

• 每种属性的图像数量:

  

• 标签数量-图像数量分布:

  

• 存在大量长宽比相差很大的图像

  

ENVS

• Ubuntu16.04
• python==2.7/3.5/3.6
• pytorch==0.4.1/1.0
• torchvision
• sklearn

File Structure

iMet-Collection2019-FGVC6-Baseline/
▾ data/
    train.csv
    valid.csv
▾ dataset/
    __init__.py
    augmentation.py
    create_img_list.py
    dataset.py
    EDA.py
    transforms.py
▾ metrics/
    __init__.py
    metric.py
▾ networks/
    __init__.py
    lr_schedule.py
    network.py
▾ utils/
    __init__.py
    label_smooth.py
    plot.py
    seed_everything.py
  __init__.py
  config.py
  inference.py 
  README.md
  train.py

Network Architecture

ResNet18+FC(1103)

损失函数: BCEWithLogitsLoss

优化器: Adam

RUN

• STEP0

  git clone https://github.com/xungeer29/iMet-Collection2019-FGVC6-Baseline
  cd iMet-Collection2019-FGVC6-Baseline
  

• STEP1 添加文件搜索路径，更改数据集根目录

  将所有的.py文件的sys.path.append中添加的路径改为自己的项目路径

  更改config.py中的data_root为数据集存放的根目录

• STEP2 Exploratory Data Analysis(EDA)

  python EDA.py
  

  注: 更改不同的注释进行不同的数据集性质分析

• STEP3 划分训练集和本地验证集

  python dataset/create_img_list.py
  

• STEP3 train

  python train.py
  

• STEP4 inference

  python inference.py
  

TODO

• Data Argumentation:
  • 存在长宽比很大的细长型图像，采用padding的方式改变图像大小
  • 随机擦除
• data distulation
• OHEM

Experiments