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
• 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
• 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 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

   python Merge_classes.py
   

2. 训练模型：

   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。

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。