junwenzhang/garbage_calssify-by-resnet50-

使用迁移学习将resnet50用于垃圾分类，基于【华为云人工智能大赛·垃圾分类挑战杯】

garbage_calssify-by-resnet50-

参考项目 ：https://github.com/zrongcheng/huaweicloud_garbage_classify

根据该项目修改了预处理方式，并用了其中的一些小tricks：比如label smooth，random crop等。测试的地方使用了random crop，然后集成。

项目描述

1. 任务是对垃圾图片进行分类，即首先识别出垃圾图片中物品的类别（比如易拉罐、果皮等），然后查询垃圾分类规则，输出该垃圾图片中物品属于可回收物、厨余垃圾、有害垃圾和其他垃圾中的哪一种。垃圾类别共40类。
2. 训练数据集下载地址

准确率

1. 在官方测试集上有0.893513。
2. 我们团队也在网站上收集了每类20张左右的垃圾图片，共40类，800张。在该测试集上，模型准确率有0.86125。测试集名字是test_data。

改进过程

模型名称	主要内容	训练轮次	得分
官方baseline	Resnet50	50	67
model1	数据集进行图片增强，添加dropout	50	77
model2	在model1的基础上，增加迁移学习和微调	3	71
model3	在model2的基础上，修改预处理方式(采用resnet50自带的)	5	85
model4	在model3的基础上，进行图片增广，每类1000张左右	5	85
model5	在model4的基础上修改预处理方式(resize成（ 256,256))，并将图片增强和图片遮挡写入代码	5	89

总结

在该项目中，主要使用迁移学习将resnet50用于垃圾分类，迁移学习可以大大地节约训练时间，并在短时间内达到更高的准确率。这个分数是在我们团队努力一周改进后的结果，希望能对您有参考价值。该结果并不完美，还有很大的改进空间，下一步将继续对该项目进行改进，争取提高准确率。