目录
Pytorch实现鸟类品种分类识别(含训练代码和鸟类数据集)
1. 前言
2. 鸟类数据集
(1)Bird-Dataset26
(2)自定义数据集
3. 鸟类分类识别模型训练
(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. 鸟类分类识别模型测试效果
5.项目源码下载
本项目将采用深度学习的方法,搭建一个鸟类分类识别的训练和测试项目,实现一个简单的鸟类图像分类识别系统。项目收集了26种鸟类品种Bird-Dataset26,约有20000+图片数据;在鸟类数据集Bird-Dataset26上,基于ResNet18的鸟类分类识别,训练集的Accuracy在98%左右,测试集的Accuracy在95%左右,骨干网络,可支持googlenet, resnet[18,34,50], inception_v3,mobilenet_v2等常用模型。
模型 | input size | Test准确率 |
mobilenet_v2 | 224×224 | 95.0000% |
googlenet | 224×224 | 96.1538% |
resnet18 | 224×224 | 95.9615% |
【尊重原创,转载请注明出处】https://blog.csdn.net/guyuealian/article/details/132588031
项目收集了多个鸟类品种的数据集,命名为Bird-Dataset26,该数据集共收集了26 种鸟类品种,包含常见的鹰,孔雀等鸟种类,总数据超过2万张图片,平均每个种类有约有700+的图片;数据分为train和test,其中训练集train共有20000+张鸟类图像,测试集test共有500+张鸟类图像,可满足深度学习鸟类品种分类识别的需求。
Bird-Dataset26,部分数据是通过网上爬取的,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。鸟类图片数据,可以在这里检索:中国观鸟记录中心
Bird-Dataset26包含的26种鸟类品种,类别名称分别是:
八色鸫 白鹡鸰 白胸翡翠 白胸苦恶鸟 斑头绿拟啄木 赤颈鹤 赤麻鸭 赤胸拟啄木鸟 丛林鸫鹛 戴胜鸟 凤头麦鸡 灰鹡鸰 灰犀鸟 家八哥 家鸦 孔雀 蓝胸佛法僧 绿喉蜂虎 牛背鹭 普通翠鸟 普通缝叶莺 普通朱雀 肉垂麦鸡 山鹡鸰 鹰 棕腹树鹊
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:
(最后一行,请多回车一行)
A
B
C
D
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'
...
...
本项目以Bird-Dataset26鸟类数据集为训练和测试样本。
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
下载鸟类品种分类数据集,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/Bird-Dataset26/train'
# 测试数据集
test_data: '/path/to/Bird-Dataset26/test'
# 类别文件
class_name: '/path/to/Bird-Dataset26/class_name.txt'
- 目前支持的backbone有:googlenet,resnet[18,34,50],inception_v3,mobilenet_v2等, 其他backbone可以自定义添加
- 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/Bird-Dataset26/train'
# 测试数据集
test_data: '/path/to/Bird-Dataset26/test'
# 类别文件
class_name: '/path/to/Bird-Dataset26/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: "resnet18" # 骨干网络,支持:resnet18/50,mobilenet_v2,googlenet,inception_v3
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 | backbone类型,{resnet18/50,mobilenet_v2,googlenet,inception_v3} |
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 |
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,在鸟类品种数据集Bird-Dataset26上,训练集的Accuracy在98%左右,测试集的Accuracy在95%左右,骨干网络,可支持googlenet, resnet[18,34,50], inception_v3,mobilenet_v2等常用模型,用户可以自行选择模型训练。
模型 | input size | Test准确率 |
mobilenet_v2 | 224×224 | 95.0000% |
googlenet | 224×224 | 96.1538% |
resnet18 | 224×224 | 95.9615% |
训练过程可视化工具是使用Tensorboard,使用方法,在终端输入:
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=data/pretrained/mobilenet_v2_1.0_224_224_CrossEntropyLoss_20230828_172209_6476/log
可视化效果
| |
| |
| |
如果想进一步提高准确率,可以尝试:
- 最重要的: 清洗数据集,鸟类品种数据集Bird-Dataset26,大部分数据是通过网上爬取的,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
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',
}
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 = "data/pretrained/mobilenet_v2_1.0_224_224_CrossEntropyLoss_20230828_172209_6476/config.yaml"
# 模型文件
model_file = "data/pretrained/mobilenet_v2_1.0_224_224_CrossEntropyLoss_20230828_172209_6476/model/best_model_063_95.0000.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 data/pretrained/mobilenet_v2_1.0_224_224_CrossEntropyLoss_20230828_172209_6476/config.yaml -m data/pretrained/mobilenet_v2_1.0_224_224_CrossEntropyLoss_20230828_172209_6476/model/best_model_063_95.0000.pth --image_dir data/test_images
运行测试结果:
pred_index:['灰犀鸟'],pred_score:[0.5273883] |
pred_index:['家鸦'],pred_score:[0.9989742] |
pred_index:['鹰'],pred_score:[0.9795395] |
pred_index:['孔雀'],pred_score:[0.9997749] |
【源码下载】Pytorch实现鸟类品种分类识别(含训练代码和鸟类数据集)
整套项目源码内容包含:
- Bird-Dataset26鸟类数据集: 该数据集包含 26 种不同种类的鸟类品种,总数超过2万张图像,可满足深度学习鸟类分类识别的需求
- 项目支持自定义数据集进行训练
- 项目模型训练,支持的backbone骨干网络模型有:googlenet,resnet[18,34,50],inception_v3,mobilenet_v2等, 其他backbone可以自定义添加
- 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