项目简介

本项目借助openmmlab的mmclassification工具箱，助力用户快速构建模型，以完成LED灯的色彩和均匀性检测分类任务。项目提供了涵盖依赖安装、数据集构建、模型配置修改、训练、结果生成与提交等环节的完整操作流程，同时给出了可改进的方向。

项目的主要特性和功能

1. 多模型支持：mmclassification包含VGG、ResNet、Swin - Transformer等众多模型，可按需选择合适模型执行任务。
2. 工具丰富：mmclassification提供print_config.py、verify_dataset.py等实用工具，便于用户操作。
3. 训练策略多样：支持基础训练和伪标签学习等训练策略。
4. 结果生成：提供脚本用于生成结果文件，可用于提交。
5. 评估指标多样：使用准确度、精确度、召回率、F1分数等多种评估指标评估模型性能。

安装使用步骤

安装依赖

```shell conda create -n open-mmlab python=3.8 pytorch=1.10 cudatoolkit=11.3 torchvision -c pytorch -y conda activate open-mmlab pip3 install openmim mim install mmcv-full cd mmclassification pip3 install -e.

pip install mmclassification or mim install mmclassification

optional

pip install -r requirements.txt

```

构建数据集

下载好数据集，将中文文件名修改，文件结构如下： data ├── led │ ├── good │ ├── bad │ ├── bad_aug │ ├── test │ ├── train.txt │ ├── val.txt 使用以下命令生成train.txt和val.txt： shell pyhton tools/datasets_split_led.py

修改模型配置

从mmclassification的configs目录下选取想要尝试的模型配置文件，复制到本代码的config目录下。可修改schedules、datasets、models目录下的文件，也可直接修改configs目录下的配置文件。还可使用以下工具： shell 1. mmclassification/tools/misc/print_config.py 2. mmclassification/tools/misc/verify_dataset.py

模型训练

使用以下脚本进行训练： ./train.sh 脚本内容如下： ``` CONFIG_FILE=configs/resnet50_1xb32_led.py RESULT_DIR=training/resnet50_1xb32_led python tools/train.py ${CONFIG_FILE} --work-dir ${RESULT_DIR} --gpu-id 0

``` 修改CONFIG_FILE为配置的模型文件，修改RESULT_DIR为输出文件夹。

生成结果并提交

使用以下脚本： ./infer_led.sh 脚本内容如下： ``` IMAGE_DIR=data/led/test
CONFIG_FILE="configs/resnet50_1xb32_led.py"
WEIGHT="training/resnet50_1xb32_led/epoch_50.pth" RESULT=resnet50_1xb32_led.csv

python tools/infer_led.py ${IMAGE_DIR} --config ${CONFIG_FILE[]} --checkpoint ${WEIGHT[]} --result_csv_file ${RESULT}\ ```

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】