From 808191b84339e3d6b681932c07556086e16c005a Mon Sep 17 00:00:00 2001 From: yukun-hh Date: Sat, 25 Apr 2026 12:45:00 +0800 Subject: [PATCH] =?UTF-8?q?=E5=AE=8C=E5=96=84=E9=A1=B9=E7=9B=AEREADME?= =?UTF-8?q?=E6=96=87=E6=A1=A3=EF=BC=8C=E8=A1=A5=E5=85=85=E6=9E=B6=E6=9E=84?= =?UTF-8?q?=E8=AF=B4=E6=98=8E=E4=B8=8E=E4=BD=BF=E7=94=A8=E6=8C=87=E5=8D=97?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 153 ++++++++++++++++++++++++++++++++++++++++++++++++++++-- 1 file changed, 148 insertions(+), 5 deletions(-) diff --git a/README.md b/README.md index eacd84d..c3cc2dc 100644 --- a/README.md +++ b/README.md @@ -1,14 +1,157 @@ # trash-division -## 一个基于卷积神经网络的垃圾分类识别系统 -### 同济大学python人工智能程序设计课程小组作业 +一个基于卷积神经网络的垃圾分类识别系统 +> 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。 + +--- + +## 目录 + +- [项目特点](#项目特点) +- [模型架构](#模型架构) +- [数据集](#数据集) +- [环境要求](#环境要求) +- [快速开始](#快速开始) +- [文件说明](#文件说明) +- [目录结构](#目录结构) +- [训练细节](#训练细节) +- [许可证](#许可证) + +--- + +## 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 +- **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 +- **余弦退火学习率调度**：使用 CosineAnnealingLR 平滑调整学习率 +- **断点续训**：自动检测 `best_model.pth` 并加载继续训练 +- **多设备支持**：自动选择 CUDA > Intel XPU > CPU + +## 模型架构 + +模型基于残差网络（ResNet）的 Bottleneck 构建块设计。 + +### Bottleneck 块 + +每个 Bottleneck 块包含三个卷积层： + +| 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 | + +### 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 | + +## 数据集 + +本项目使用 [tany0699/garbage265](https://modelscope.cn/datasets/tany0699/garbage265) 中文生活垃圾分类数据集，包含 265 个子类别的生活垃圾图片。 + +通过 `Merge_classes.py` 脚本将 265 个子类别合并为 4 个顶级类别： + +``` +厨余垃圾 -> 1 +可回收物 -> 2 +其他垃圾 -> 3 +有害垃圾 -> 4 +``` + +数据集预期放置在 `../trash_division_data/`（与项目根目录平级的兄弟目录）。 + +## 环境要求 + +本项目无 `requirements.txt`，需手动安装以下依赖： + +- Python 3.8+ +- PyTorch（推荐 1.10+） +- torchvision +- tqdm +- matplotlib +- pandas +- Pillow +- torchsummary + +## 快速开始 + +1. **数据预处理**：将 265 个子类别合并为 4 个顶级类别 + + ```bash + python Merge_classes.py + ``` + +2. **训练模型**： + + ```bash + python Train.py + ``` + +> **注意**： +> - 数据目录默认为 `../trash_division_data/ultimate_4_class/`，需先运行合并脚本 +> - Windows 系统需将 `num_workers` 设为 `0`（参见 `Dataloader.py` 和 `Train.py`） +> - 训练会自动从 `best_model.pth` 断点续训（若存在） + +## 文件说明 + +| 文件 | 功能 | +|---|---| +| `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 | +| `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） | +| `THIRD_PARTY_LICENSES.md` | 第三方数据集许可证声明 | + +## 目录结构 + +``` +trash-division/ +├── AGENTS.md # AI 助手指南 +├── best_model.pth # 最佳模型权重 +├── Dataloader.py # 数据加载模块 +├── .gitattributes # Git 属性配置 +├── LICENSE # MIT 许可证 +├── Merge_classes.py # 数据集预处理脚本 +├── Model.py # 模型定义 +├── README.md # 项目说明（本文件） +├── THIRD_PARTY_LICENSES.md # 第三方许可证声明 +└── Train.py # 训练主脚本 +``` + +## 训练细节 + +| 配置项 | 说明 | +|---|---| +| 输入尺寸 | 256 x 256 RGB | +| 优化器 | SGD（momentum=0.9, weight_decay=1e-4） | +| 初始学习率 | 0.001 | +| 学习率调度 | CosineAnnealingLR | +| 损失函数 | 类别加权 CrossEntropyLoss | +| 评估指标 | Macro-F1（宏平均 F1 分数） | +| 批量大小 | 默认 16（可通过参数调整） | +| 训练轮数 | 默认 20（可通过参数调整） | +| 设备选择优先级 | CUDA > Intel XPU > CPU | +| 断点续训 | 自动检测 best_model.pth 并加载 | + +训练时数据增强管线：RandomResizedCrop(256, scale=(0.8, 1.0)) + RandomHorizontalFlip(p=0.5) + RandomRotation(+-15 deg) + ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2) ## 许可证 本项目主代码采用 [MIT 许可证](LICENSE)。 本项目包含的数据集 `tany0699/garbage265` 采用 [Apache License 2.0](THIRD_PARTY_LICENSES.md)，详情请参阅 `THIRD_PARTY_LICENSES.md` 文件。 - - -