Python-AiChallenger2018Competitions农作物病害检测

### 声明：开源只是为了方便大家交流学习，数据请勿用于商业用途！！！！ **背景** 很早之前开源过 pytorch 进行图像分类的代码（[从实例掌握 pytorch 进行图像分类](http://spytensor.com/index.php/archives/21/)），历时两个多月的学习和总结，近期也做了升级。在此基础上写了一个 Ai Challenger 农作物竞赛的 baseline 供大家交流。 **2018 年 12 月 13 日更新** 新增数据集下载链接：[百度网盘]( https://pan.baidu.com/s/16f1nQchS-zBtzSWn9Guyyg ) 提取码：iksk 数据集是 10 月 23 日 更新后的新数据集，包含训练集、验证集、测试集A/B. 另外最近有同学拿到类似的数据，想做分类的任务，但是这份代码是针对这次比赛开源的，在数据读取方式上会有区别，对于新手来说不太友好，我开源了一份针对图像分类任务的代码，并附上简单教程，相信看完后能比较轻松使用 pytorch 进行图像分类。 教程: [从实例掌握 pytorch 进行图像分类](http://www.spytensor.com/index.php/archives/21/) 代码: [pytorch-image-classification](https://github.com/spytensor/pytorch-image-classification) **2018年 10 月 30 日更新** 新增 `data_aug.py` 用于线下数据增强，由于时间问题，这个比赛不再做啦，这些增强方式大家有需要可以研究一下，支持的增强方式： - 高斯噪声 - 亮度变化 - 左右翻转 - 上下翻转 - 色彩抖动 - 对比度变化 - 锐度变化 注：对比度增强在可视化后，主观感觉特征更明显了，目前我还未跑完。提醒一下，如果做了对比度增强，在测试集的时候最好也做一下。 个人博客：[超杰](http://spytensor.com/) 比赛地址：[农作物病害检测](https://challenger.ai/competition/pdr2018) 完整代码地址：[plants_disease_detection](https://github.com/spytensor/plants_disease_detection) 注： 欢迎大佬学习交流啊，这份代码可改进的地方太多了, 如果大佬们有啥改进的意见请指导！ 联系方式：zhuchaojie@buaa.edu.cn **成绩**：线上 0.8805，线下0.875，由于划分存在随机性，可能复现会出现波动，已经尽可能排除随机种子的干扰了。 ## 提醒 `main.py` 中的test函数已经修正，执行后在 `./submit/`中会得到提交格式的 json 文件,现已支持 Focalloss 和交叉验证，需要的自行修改一下就可以了。 依赖中的 pytorch 版本请保持一致，不然可能会有一些小 BUG。 ### 1. 依赖 python3.6 pytorch0.4.1 ### 2. 关于数据的处理 首先说明，使用的数据为官方更新后的数据，并做了一个统计分析（下文会给出），最后决定删除第 44 类和第 45 类。 并且由于数据分布的原因，我将 train 和 val 数据集合并后，采用随机划分。 数据增强方式： - RandomRotation(30) - RandomHorizontalFlip() - RandomVerticalFlip() - RandomAffine(45) 图片尺寸选择了 650，暂时没有对这个尺寸进行调优（毕竟太忙了。。） ### 3. 模型选择 模型目前就尝试了 resnet50，后续有卡的话再说吧。。。 ### 4. 超参数设置 详情在 config.py 中 ### 5.使用方法 - 第一步：将测试集图片复制到 `data/test/` 下 - 第二步：将训练集合验证集中的图片都复制到 `data/temp/images/` 下，将两个 `json` 文件放到 `data/temp/labels/` 下 - 执行 move.py 文件 - 执行 main.py 进行训练 ### 6.数据分布图 训练集  验证集  全部数据集