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

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。

---

目录

• 项目特点
• 模型架构
• 数据集
• 环境要求
• 快速开始
• 文件说明
• 目录结构
• 训练细节
• 评估与可视化
• 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）
• 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
• 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

模型基于标准 ResNet-34 架构，使用 BasicBlock 构建。

BasicBlock 块

每个 BasicBlock 包含两个 3x3 卷积层 + 跳跃连接：

层	卷积	作用
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
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

本项目使用 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
• scikit-learn（仅 Evaluate.py 需要）
• scikit-image（仅 baseline/HOG_Baseline.py 需要）

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

   python Merge_classes.py
   

2. 训练模型：

   python Train.py
   

3. 微调模型（可选，冻结浅层、微调深层）：

   python Finetune.py
   

4. 评估与可视化：

   python Evaluate.py                  # 混淆矩阵、ROC 曲线、PR 曲线
   python Curve.py                     # 训练过程的 loss/f1/acc/lr 曲线
   python baseline/compare_models.py   # 多模型基线对比（ROC/PR/准确率）
   

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
Finetune.py	微调脚本，冻结浅层后微调深层网络
Dataloader.py	数据加载模块，包含 RobustImageFolder 和 DataLoader 创建
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
Evaluate.py	模型评估，绘制混淆矩阵、ROC 曲线、PR 曲线
Curve.py	训练曲线绘制，从 CSV 读取并绘制 loss/f1/acc/lr 曲线
baseline/VGG_KNN.py	VGG16 预训练特征提取 + KNN 四分类基线
baseline/ResNet34_Pretrained_10pct.py	ResNet-34 ImageNet 预训练 + 10% 数据微调
baseline/HOG_Baseline.py	HOG + 颜色直方图 + LogisticRegression（纯传统 CV）
baseline/compare_models.py	多模型对比（ROC / PR 曲线 + 准确率柱状图）
training_log.csv	训练日志，记录每轮 epoch 的 loss、f1、acc、lr
best_model.pth	训练好的最佳模型权重（约 125 MB，不纳入版本控制）
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
├── baseline/                # 基线模型目录
│   ├── VGG_KNN.py           # VGG16 + KNN 分类脚本
│   ├── ResNet34_Pretrained_10pct.py  # ResNet-34 ImageNet 预训练 + 10% 微调
│   ├── HOG_Baseline.py      # HOG + LogisticRegression 纯传统基线
│   ├── compare_models.py    # 多模型对比脚本
│   ├── roc_comparison.png   # 多模型 ROC 对比（compare_models.py 输出）
│   ├── pr_comparison.png    # 多模型 PR 对比（compare_models.py 输出）
│   └── accuracy_bar.png     # 多模型准确率对比（compare_models.py 输出）
├── best_model.pth           # 最佳模型权重（不纳入版本控制）
├── Curve.py                 # 训练曲线绘制脚本
├── Dataloader.py            # 数据加载模块
├── Evaluate.py              # 模型评估可视化脚本
├── Finetune.py              # 微调脚本
├── .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
├── training_log.csv         # 训练日志
├── confusion_matrix.png     # 混淆矩阵（Evaluate.py 输出）
├── roc_curve.png            # ROC 曲线（Evaluate.py 输出）
├── pr_curve.png             # PR 曲线（Evaluate.py 输出）
└── training_curves.png      # 训练曲线（Curve.py 输出）

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)

评估与可视化

训练完成后，training_log.csv 会记录每个 epoch 的训练/验证指标。以下两个脚本用于可视化分析：

Evaluate.py — 模型评估

在验证集上推理，生成三张评估图表：

python Evaluate.py

脚本顶部的 MODEL_PATH、DATA_ROOT、BATCH_SIZE、NUM_WORKERS 可按需修改。

混淆矩阵

ROC 曲线

PR 曲线

Curve.py — 训练曲线

从 training_log.csv 读取训练日志，绘制四张子图：

python Curve.py

基线模型对比

compare_models.py 对所有模型在验证集上统一评估，生成三张对比图表：

python baseline/compare_models.py

对比阵容：ResNet-34、ResNet-34 (10% Fine-tune)、VGG16 + KNN、HOG + LogisticRegression。

ROC 曲线对比

PR 曲线对比

准确率柱状图

许可证

本项目主代码采用 MIT 许可证。

本项目包含的数据集 tany0699/garbage265 采用 Apache License 2.0，详情请参阅 THIRD_PARTY_LICENSES.md 文件。