# Garbage-Classification
## 基于 OpenCV 的目标检测
`detect.py` 为视频目标检测参考代码,利用 Opencv,包括 knn,mog2,grabcut 三种方式,可根据实际效果选择。
## 基于 MobileNet V3 的垃圾分类
### 程序结构
![](Screenshot/0.png)
+ `main.py`: 模型训练代码
+ `inference.py`:前向传播
+ `config.py`: 程序运行时的相关参数
+ `data/TrashSet.py`:垃圾数据集类
+ `images/文件夹`:提供一些测试图片
+ `models/mbv3_small.pth.tar`:mobilenet v3 在 imagenet 预训练权重
+ `models/mobilenetv3.py`: 模型文件
+ `utils/文件夹`:提供一些关于 imagenet 的可用函数
### 模型训练结果
#### 数据集
自己采集的垃圾分类数据集 TrashBig, 其中有 12 个小类别:
```
['bananapeel', 'battery', 'cardboard', 'clothes', 'drugs', 'glass', 'lightbulb', 'metal', 'paper', 'papercup', 'plastic', 'vegetable']
```
这12个小类别分别属于四个大类别:
```
{'Recyclables': 2624, 'Kitchen waste': 939, 'Hazardous waste': 1581, 'Other': 963}
```
训练集图片共计 6000 张左右。验证数据集每类 60 张左右,共计 720 张左右。
大类别的分类精度都在 90% 以上。
### 使用自己的数据集训练模型
1. 程序运行环境:Pytorch 1.0 以上版本、opencv-python、numpy、tensorboard。
2. 数据集的组织要求:数据集目录下分为两个小目录:train 和 val。每个小目录下以类别名称命名的文件夹,存储对应类别的图片。
3. `config.py` 文件的修改:对 `config.py` 文件进行修改:
![](Screenshot/4.png)
4. 运行 `main.py`。
### 运行前向传播测试
直接运行 `inference.py` 即可测试。修改 `config.py` 中 `DefaultConfig.InferWithGPU` 参数即可切换前向传播使用 GPU 还是 CPU。对 `inference.py` 文件稍加修改即可对自己的图片进行分类。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于 OpenCV 的目标检测 detect.py 为视频目标检测参考代码,利用 Opencv,包括 knn,mog2,grabcut 三种方式,可根据实际效果选择。 基于 MobileNet V3 的垃圾分类 程序结构 main.py: 模型训练代码 inference.py:前向传播 config.py: 程序运行时的相关参数 data/TrashSet.py:垃圾数据集类 images/文件夹:提供一些测试图片 models/mbv3_small.pth.tar:mobilenet v3 在 imagenet 预训练权重 models/mobilenetv3.py: 模型文件 utils/文件夹:提供一些关于 imagenet 的可用函数
资源推荐
资源详情
资源评论
收起资源包目录
基于 Pytorch 的垃圾识别与分类 (2004个子文件)
events.out.tfevents.1594609276.LAPTOP-F2G21H1U.8176.0 40B
events.out.tfevents.1594550581.LAPTOP-F2G21H1U.16652.0 40B
events.out.tfevents.1598325999.LAPTOP-F2G21H1U.15268.0 40B
events.out.tfevents.1594609379.LAPTOP-F2G21H1U.8176.1 40B
events.out.tfevents.1594551556.LAPTOP-F2G21H1U.16652.1 40B
events.out.tfevents.1594551778.LAPTOP-F2G21H1U.16652.2 40B
events.out.tfevents.1594609720.LAPTOP-F2G21H1U.8176.2 40B
events.out.tfevents.1594552524.LAPTOP-F2G21H1U.16652.3 40B
events.out.tfevents.1594552686.LAPTOP-F2G21H1U.16652.4 40B
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
u_632452069_3575505737&fm_26&gp_0.jpg 485KB
u_4018084810_693669851&fm_26&gp_0.jpg 450KB
u_1809329533_233829525&fm_26&gp_0.jpg 415KB
u_1157222111_1625875487&fm_11&gp_0.jpg 378KB
u_1111738495_255438769&fm_26&gp_0.jpg 377KB
u_107614689_3039442650&fm_26&gp_0.jpg 352KB
u_356310873_607286514&fm_15&gp_0.jpg 331KB
u_1193287303_3483322596&fm_15&gp_0.jpg 308KB
u_2229149896_1765619573&fm_26&gp_0.jpg 306KB
u_2276904775_851906550&fm_26&gp_0.jpg 280KB
u_327267967_4232429644&fm_26&gp_0.jpg 269KB
u_2193038329_2542861050&fm_15&gp_0.jpg 246KB
u_2258922666_1343843875&fm_26&gp_0.jpg 241KB
u_3530416493_1492804711&fm_26&gp_0.jpg 238KB
u_3263610202_1324743994&fm_26&gp_0.jpg 233KB
u_3406343781_1479297864&fm_26&gp_0.jpg 229KB
u_2386398556_2680085857&fm_26&gp_0.jpg 228KB
u_186827100_1827794431&fm_26&gp_0.jpg 215KB
u_1220989741_2516440004&fm_26&gp_0.jpg 210KB
u_1691671870_632467643&fm_11&gp_0.jpg 198KB
u_1100947721_881786284&fm_15&gp_0.jpg 189KB
u_4007390463_94987934&fm_26&gp_0.jpg 179KB
u_563841980_1145641269&fm_11&gp_0.jpg 176KB
u_3997221415_2007783691&fm_26&gp_0.jpg 173KB
u_3090174875_1746743644&fm_26&gp_0.jpg 156KB
u_2140253421_4154546702&fm_26&gp_0.jpg 153KB
u_204766755_4282978210&fm_26&gp_0.jpg 148KB
u_1030505037_2821643270&fm_26&gp_0.jpg 147KB
u_2671169108_4017604749&fm_26&gp_0.jpg 139KB
u_1092619416_1223303123&fm_26&gp_0.jpg 138KB
u_247762700_1035940825&fm_26&gp_0.jpg 136KB
part-00695-1317.jpg 135KB
u_3341684989_408767841&fm_26&gp_0.jpg 133KB
u_2851343316_672756720&fm_26&gp_0.jpg 132KB
u_704146688_1591799251&fm_26&gp_0.jpg 128KB
u_1091658632_1393519750&fm_26&gp_0.jpg 127KB
u_1388515870_118687940&fm_26&gp_0.jpg 123KB
u_1652205337_2926481702&fm_26&gp_0.jpg 123KB
u_3927495244_437096350&fm_26&gp_0.jpg 121KB
u_900612362_2617897033&fm_26&gp_0.jpg 119KB
u_836710649_2273332146&fm_26&gp_0.jpg 115KB
u_100039259_3758257025&fm_26&gp_0.jpg 115KB
u_3497206020_2640092685&fm_26&gp_0.jpg 115KB
u_1911439035_3595173386&fm_26&gp_0.jpg 113KB
u_2638688616_3283790848&fm_26&gp_0.jpg 110KB
part-00077-3538.jpg 108KB
u_3416801840_2226638966&fm_26&gp_0.jpg 108KB
u_2568512394_4087281434&fm_26&gp_0.jpg 105KB
u_1389920595_2940426938&fm_26&gp_0.jpg 104KB
u_2429302313_179299763&fm_26&gp_0.jpg 104KB
u_1136340988_2062378263&fm_26&gp_0.jpg 97KB
u_4153142946_1103892267&fm_26&gp_0.jpg 96KB
u_295916447_4022641996&fm_11&gp_0.jpg 95KB
u_2525344499_2048143830&fm_26&gp_0.jpg 93KB
u_49328323_174593160&fm_26&gp_0.jpg 92KB
u_920312575_4137427753&fm_26&gp_0.jpg 90KB
u_1228902450_3023731342&fm_26&gp_0.jpg 89KB
u_3884406016_1850450097&fm_26&gp_0.jpg 89KB
u_3077788932_1701742609&fm_26&gp_0.jpg 87KB
u_2947840342_2384047207&fm_26&gp_0.jpg 87KB
u_1027924198_996802090&fm_26&gp_0.jpg 84KB
u_3706021130_3610280871&fm_26&gp_0.jpg 84KB
u_1411944080_3999799428&fm_26&gp_0.jpg 83KB
u_1392743584_506322838&fm_15&gp_0.jpg 83KB
u_1940708158_2971529833&fm_26&gp_0.jpg 82KB
u_1428769369_2078423830&fm_26&gp_0.jpg 81KB
u_884506105_191457524&fm_26&gp_0.jpg 81KB
u_1947553982_978824229&fm_26&gp_0.jpg 80KB
u_3408363409_3472230212&fm_26&gp_0.jpg 80KB
u_2735086733_3198161103&fm_26&gp_0.jpg 80KB
u_2440605548_508000250&fm_26&gp_0.jpg 78KB
u_4261775723_1623015087&fm_26&gp_0.jpg 77KB
u_2009779295_1705554100&fm_15&gp_0.jpg 77KB
u_2902529874_4160397401&fm_26&gp_0.jpg 77KB
u_3121407147_1937822018&fm_26&gp_0.jpg 77KB
u_2190911806_2881904654&fm_26&gp_0.jpg 76KB
u_3473993664_1734238540&fm_26&gp_0.jpg 75KB
u_2623683578_521207456&fm_26&gp_0.jpg 75KB
u_132704356_48794820&fm_26&gp_0.jpg 74KB
part-00258-2763.jpg 72KB
u_2057681134_2208691889&fm_26&gp_0.jpg 72KB
u_2503204337_1729041585&fm_26&gp_0.jpg 72KB
u_2472413029_2326397367&fm_26&gp_0.jpg 71KB
u_4229467221_3204757683&fm_26&gp_0.jpg 70KB
u_1323544565_2768923290&fm_26&gp_0.jpg 69KB
u_3539270495_566980940&fm_15&gp_0.jpg 69KB
u_1472695998_2861248255&fm_26&gp_0.jpg 69KB
共 2004 条
- 1
- 2
- 3
- 4
- 5
- 6
- 21
资源评论
MarcoPage
- 粉丝: 2953
- 资源: 3005
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 1_1、_NET Core 基础理论.vep
- 2_2、源码编译与解读(难度大,可最后看).vep
- (Linux环境下C语言)学生管理系统
- 基于STM32F103单片机(寄存器版)+OV7725摄像头模块照相机实验实验例程源码.zip
- 基于Python实现的桥梁易损性分析源码+代码注释.zip
- 基于python开发使用深度学习去预测股票后续的价格+源码+文档(毕业设计&课程设计&项目开发)
- flowable-designer-5.22.0.zip
- threadmanager.cpp
- 腾讯云小程序 - 一站式开发与部署平台
- 基于JSP+Java+Servlet采用MVC模式开发的购物网站+源码(毕业设计&课程设计&项目开发)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功