diff --git a/Model.py b/Model.py index a28aa78..bf1a714 100644 --- a/Model.py +++ b/Model.py @@ -1,6 +1,5 @@ """ -模型定义文件 - 使用瓶颈结构 (Bottleneck) 的深度残差网络 -目标：约50层，参数量约80M +模型定义文件 - ResNet-34 author : yukun-hh date : 2026-4-10 """ @@ -10,27 +9,19 @@ from torch.nn import functional as F from torchsummary import summary -class Bottleneck(nn.Module): +class BasicBlock(nn.Module): """ - 瓶颈残差块：1x1(降维) -> 3x3 -> 1x1(升维) - 若需要下采样或通道变化，则在跳跃连接中使用1x1卷积 + ResNet-34 基础残差块：3x3 -> 3x3 + 若需要下采样或通道变化，则在跳跃连接中使用 1x1 卷积 """ - expansion = 4 # 输出通道是中间通道的4倍 + expansion = 1 - def __init__(self, in_channels, mid_channels, stride=1, downsample=None): - """ - :param in_channels: 输入通道数 - :param mid_channels: 中间层通道数（1x1降维后的通道数） - :param stride: 步长，用于下采样 - :param downsample: 下采样模块（当stride≠1或通道变化时使用） - """ + def __init__(self, in_channels, out_channels, stride=1, downsample=None): super().__init__() - self.conv1 = nn.Conv2d(in_channels, mid_channels, kernel_size=1, bias=False) - self.bn1 = nn.BatchNorm2d(mid_channels) - self.conv2 = nn.Conv2d(mid_channels, mid_channels, kernel_size=3, stride=stride, padding=1, bias=False) - self.bn2 = nn.BatchNorm2d(mid_channels) - self.conv3 = nn.Conv2d(mid_channels, mid_channels * self.expansion, kernel_size=1, bias=False) - self.bn3 = nn.BatchNorm2d(mid_channels * self.expansion) + self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1, bias=False) + self.bn1 = nn.BatchNorm2d(out_channels) + self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=False) + self.bn2 = nn.BatchNorm2d(out_channels) self.relu = nn.ReLU(inplace=True) self.downsample = downsample @@ -43,10 +34,6 @@ class Bottleneck(nn.Module): out = self.conv2(out) out = self.bn2(out) - out = self.relu(out) - - out = self.conv3(out) - out = self.bn3(out) if self.downsample is not None: identity = self.downsample(x) @@ -57,68 +44,49 @@ class Bottleneck(nn.Module): class Net(nn.Module): - """ - 基于 Bottleneck 的 ResNet 风格模型 - 各阶段配置仿照 ResNet-50，适当调整宽度以达到约80M参数 - """ - def __init__(self, num_classes=4): + def __init__(self, num_classes=4, dropout=0.5): super().__init__() - # 第一阶段：7x7卷积 + 最大池化 self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3, bias=False) self.bn1 = nn.BatchNorm2d(64) self.relu = nn.ReLU(inplace=True) self.maxpool = nn.MaxPool2d(kernel_size=3, stride=2, padding=1) - # 残差阶段定义 - # 每个阶段的参数：[块数, 中间通道数, 步长] - # 为了达到80M参数，我们略微加宽网络（相比标准ResNet-50） layers_config = [ - (3, 64, 1), # stage2: 3个瓶颈块，输出通道 64*4=256 - (4, 128, 2), # stage3: 4个瓶颈块，输出通道 128*4=512 - (14, 256, 2), # stage4: 14个瓶颈块，输出通道 256*4=1024（加深至此阶段） - (3, 512, 2) # stage5: 3个瓶颈块，输出通道 512*4=2048 + (3, 64, 1), # layer1 + (4, 128, 2), # layer2 + (6, 256, 2), # layer3 + (3, 512, 2), # layer4 ] self.in_channels = 64 - self.stage2 = self._make_layer(layers_config[0]) - self.stage3 = self._make_layer(layers_config[1]) - self.stage4 = self._make_layer(layers_config[2]) - self.stage5 = self._make_layer(layers_config[3]) + self.layer1 = self._make_layer(layers_config[0]) + self.layer2 = self._make_layer(layers_config[1]) + self.layer3 = self._make_layer(layers_config[2]) + self.layer4 = self._make_layer(layers_config[3]) - # 全局池化与分类层 self.avgpool = nn.AdaptiveAvgPool2d((1, 1)) - self.fc = nn.Linear(2048, num_classes) + self.dropout = nn.Dropout(dropout) + self.fc = nn.Linear(512, num_classes) def _make_layer(self, config): - """ - 构建一个残差阶段 - :param config: (块数, 中间通道数, 第一阶段步长) - :return: nn.Sequential - """ - num_blocks, mid_channels, stride = config + num_blocks, out_channels, stride = config downsample = None layers = [] - # 第一个块可能需要下采样和通道匹配 - if stride != 1 or self.in_channels != mid_channels * Bottleneck.expansion: + if stride != 1 or self.in_channels != out_channels: downsample = nn.Sequential( - nn.Conv2d(self.in_channels, mid_channels * Bottleneck.expansion, + nn.Conv2d(self.in_channels, out_channels, kernel_size=1, stride=stride, bias=False), - nn.BatchNorm2d(mid_channels * Bottleneck.expansion), + nn.BatchNorm2d(out_channels), ) - layers.append( - Bottleneck(self.in_channels, mid_channels, stride, downsample) - ) - self.in_channels = mid_channels * Bottleneck.expansion + layers.append(BasicBlock(self.in_channels, out_channels, stride, downsample)) + self.in_channels = out_channels - # 后续块 for _ in range(1, num_blocks): - layers.append( - Bottleneck(self.in_channels, mid_channels) - ) + layers.append(BasicBlock(self.in_channels, out_channels)) return nn.Sequential(*layers) @@ -128,17 +96,18 @@ class Net(nn.Module): x = self.relu(x) x = self.maxpool(x) - x = self.stage2(x) - x = self.stage3(x) - x = self.stage4(x) - x = self.stage5(x) + x = self.layer1(x) + x = self.layer2(x) + x = self.layer3(x) + x = self.layer4(x) x = self.avgpool(x) x = torch.flatten(x, 1) + x = self.dropout(x) x = self.fc(x) return x if __name__ == '__main__': model = Net(num_classes=4) - summary(model, input_size=(3, 256, 256)) \ No newline at end of file + summary(model, input_size=(3, 256, 256)) diff --git a/README.md b/README.md index c3cc2dc..7e89626 100644 --- a/README.md +++ b/README.md @@ -4,7 +4,7 @@ > 同济大学 Python 人工智能程序设计课程小组作业 -基于自定义 ResNet 风格 Bottleneck 架构的 CNN 模型（约 80M 参数），将生活垃圾分为厨余垃圾、可回收物、其他垃圾、有害垃圾四个类别，输入为 256×256 RGB 图像。 +基于 ResNet-34 架构的 CNN 模型（约 21M 参数），将生活垃圾分为厨余垃圾、可回收物、其他垃圾、有害垃圾四个类别，输入为 256×256 RGB 图像。 --- @@ -25,7 +25,7 @@ ## 项目特点 - **四类垃圾分类**：厨余垃圾（1）、可回收物（2）、其他垃圾（3）、有害垃圾（4） -- **自定义 ResNet Bottleneck 架构**：约 80M 参数，50 层深度残差网络 +- **ResNet-34 架构**：约 21M 参数，34 层深度残差网络，含 Dropout 正则化 - **数据增强**：训练时使用随机裁剪、水平翻转、旋转、色彩抖动 - **Macro-F1 评估**：采用宏平均 F1 分数作为主要评估指标，兼顾各类别表现 - **类别加权损失**：自动计算类别权重，缓解类别不平衡问题 @@ -35,28 +35,27 @@ ## 模型架构 -模型基于残差网络（ResNet）的 Bottleneck 构建块设计。 +模型基于标准 ResNet-34 架构，使用 BasicBlock 构建。 -### Bottleneck 块 +### BasicBlock 块 -每个 Bottleneck 块包含三个卷积层： +每个 BasicBlock 包含两个 3x3 卷积层 + 跳跃连接： | 层 | 卷积 | 作用 | |---|---|---| -| 1x1 Conv | 降维 | 减少通道数，降低计算量 | -| 3x3 Conv | 特征提取 | 核心卷积操作 | -| 1x1 Conv | 升维 (x4) | 恢复通道数至输入的 4 倍 | +| 3x3 Conv | 特征提取 | 第一层卷积 | +| 3x3 Conv | 特征提取 | 第二层卷积 | ### 网络结构 | 阶段 | 块数 | 输出通道数 | 说明 | |---|---|---|---| | 初始层 | - | 64 | 7x7 Conv, stride=2 + MaxPool | -| Stage 1 | 3 | 256 | 第一个残差阶段 | -| Stage 2 | 4 | 512 | - | -| Stage 3 | 14 | 1024 | 最深阶段（比 ResNet-50 加深） | -| Stage 4 | 3 | 2048 | 最终残差阶段 | -| 分类头 | - | 4 | 全局平均池化 + 全连接层 | +| Layer1 | 3 | 64 | 第一个残差阶段 | +| Layer2 | 4 | 128 | - | +| Layer3 | 6 | 256 | - | +| Layer4 | 3 | 512 | 最终残差阶段 | +| 分类头 | - | 4 | 全局平均池化 + Dropout + 全连接层 | ## 数据集 @@ -111,7 +110,7 @@ |---|---| | `Train.py` | 训练主脚本，包含训练循环、验证、评估 | | `Dataloader.py` | 数据加载模块，包含 RobustImageFolder 和 DataLoader 创建 | -| `Model.py` | 模型定义，Bottleneck 残差块 + Net 主模型 | +| `Model.py` | 模型定义，ResNet-34（BasicBlock）+ Dropout | | `Merge_classes.py` | 数据集预处理，265 类合并为 4 类 | | `best_model.pth` | 训练好的最佳模型权重（约 125 MB） | | `AGENTS.md` | AI 助手指南（开发辅助） |