导语
结束比赛有几天了，这几天一直在处理前段时间堆积的工作，今天得空对自己的方案进行梳理总结。今年7月多结束魔镜杯后，将之前的内容整理了一下，刚好看到华为垃圾分类比赛，由于我的工作内容还是偏图像，所以就想玩玩，有幸拿了一个亚军。
这次比赛是基于华为云的modelArts平台，免费的gpu硬件环境，全新的结果提交验证方法。感谢组织方华为云，喜欢打比赛的小伙伴也可以多留意该平台，会不定期举办各种数据类竞赛。这次我们队共有三人：谢赋(老虎）、舒欣（up)和文瑞（一休)，大家交流分工合作，才能不断奋力前进。这次分享主要是针对决赛阶段，该阶段要求模型的推理时间不能大于100ms，不能使用融合和TTA。故关于模型融合和TTA技巧，本次不会涉及到，后面还会有图像分类的专题分享。
一 解题思路
- 拿到数据后，我们首先做了数据分析。统计数据样本分布，尺寸分布，图片形态等，基于分析可以做一些针对性的数据预处理算法，对后期的模型训练会有很大的帮助。
- 选择好的baseline。需要不断的尝试各种现有的网络结构，进行结果对比，挑选出适合该网络的模型结构，然后基于该模型进行不断的调参，调试出性能较好的参数。
- 做结果验证，分析badcase。将上述模型在验证集上做结果验证，找出错误样本，分析出错原因，然后针对性的调整网络和数据。
- 基于新数据和模型，再次进行模型调优
二 数据分析（EDA)
- 原始共有43个类别，共计19459张图片。图像类别数据不均衡，其中较少数据为类别3(牙签）、类别40（毛巾）和类别41（饮料盒）；数据较多的为类别11（菜叶根)和类别21（插头电线）。
image-20190925011449179
-
图片长宽比有一定的差异性，下图是h/w比例数据分布图（只显示该类数量大于100的比例），长宽比大多数集中于1，后来模型输入尺寸设为1：1
image-20190925011513617
基于分析对图像进行简单的数据增强操作，包括图像的等比填充缩放裁剪，水平翻转、高斯噪声等。其中第一项目，对结果影响较大。这里是先将原始图像以最大边为基准做等比缩放，不足的地方填充0，这里缩放后的边是最终输入边长的256/224倍，然后在进行剪切，这里输入模型的尺寸为288*288。下图是对比图，如果不进行等比缩放，最终的结果是最右边的图片，最后的输出就极易识别为筷子。
image-20190925013235717
等比缩放的代码如下：
class Resize(object):
def __init__(self, size, interpolation=Image.BILINEAR):
self.size = size
self.interpolation = interpolation
def __call__(self, img):
# padding
ratio = self.size[0] / self.size[1]
w, h = img.size
if w / h < ratio:
t = int(h * ratio)
w_padding = (t - w) // 2
img = img.crop((-w_padding, 0, w+w_padding, h))
else:
t = int(w / ratio)
h_padding = (t - h) // 2
img = img.crop((0, -h_padding, w, h+h_padding))
img = img.resize(self.size, self.interpolation)
return img
三 模型设计与训练
首先对原始的数据进行分组，9：1的比例分为训练集和测试集，基于此做线下验证。
| 模型结构 | baseline准确率 |
|---|---|
| se_resnext50_32x4d | 93.10 |
| se_resnext101_32x4d | 93.59 |
| Senet154 | 94.38 |
| resnext50_32*8d | 95.01 |
| resnext101_32*16d_wsl | 95.56 |
| resnext101_32*32d_wsl | 95.32 |
| Pnasnet5large | 94.38 |
| efficientnet-b7 | 95.20 |
image-20190925014422492
在模型参数选择和调整方面，尝试了很多参数，针对损失函数分别尝试了CrossEntropyLoss和focal loss， 优化函数：adabound、Radam、adam、sgd和sgd + warm up， 其中adabound在起始收敛的速度较快，但是最终还是sgd的网络精度较高。学习率优化方面使用了ReduceLROnPlateau和定值优化两种方法，定值优化需要根据实验选择适合的降分点。并且也要针对不同的模型调整学习率，最终采用的参数如下：
- 使用预训练参数
- 优化函数: sgd
- 学习率：0.001
- 学习率优化：ReduceLROnPlateau
- 自己设置的网络层，初始学习率是预加载参数网络的5倍
四 结果分析
在验证集上做结果验证，得到下图所示的混淆矩阵。基于此分析各类别预测结果分布，分析badcase，采取措施进行数据扩充或数据增强工作。
image-20190925015451752
五 展望
- 对网络结果中的全部残差块添加时间和空间注意力机制
- 对模型进行量化和剪枝，在保证精度的同时提高模型速度
- 转化为二分类问题，使用人脸的arcfaceloss + triplet loss + focal loss联合loss优化
- 在落地的场景中增加反馈机制，收集用户的反馈信息，对模型进行在线训练，不断增加训练数据优化模型。
参考文献
- Robustness properties of Facebook’s ResNeXtWSL models
- FaceNet: A Unified Embedding for Face Recognition and Clustering
- Focal Loss for Dense Object Detection
感悟与建议
- 想要做一件事情，要好好的坚持下去，坚持到最后都会有所收获；
- 结束一件任务，要做好总结，无论有没有获得名次；
- 报着真诚的态度向别人学习，学习别人的方法。比赛这种东西，即使第一次没有得奖，多参加两次，多熬两个夜就会得奖了，大多数比赛技巧性都比较强。
- 基础知识很重要，真正的牛人基础都会比较好，共勉！！！
如果想要获取开源代码，关注微信公众号AI成长社 回复：垃圾分类。
推荐阅读：
如果出现出现图片失效的情况请阅读：https://mp.weixin.qq.com/s/7GhXMXQkBgH_JVcKMjCejQ
微信公号：AI成长社：ML/DL/CV的成长圣地。<img src="http://tva1.sinaimg.cn/large/007X8olVly1g7m25vtimfj3076076mxm.jpg" width = "80" height = "80" />
网友评论