jocelynwang2333 / imageclassification

基于卷积神经网络的图片分类

基于卷积神经网络的图片分类

项目介绍

此数据集包含鸡、兔子和老鼠共三种动物，可分作哺乳纲和鸟纲。数据集中，鸡和兔子各340张图片，老鼠的图片290张。  
项目共分为三个部分：  
                  * 第一部分为针对哺乳纲（老鼠和兔子）和鸟纲的二分类任务  
                  * 第二部分为针对鸡、兔子和老鼠的三分类任务  
                  * 第三部分为同时针对纲和种进行的多标签分类任务。

模型展示

图注:这里我们使用了 cov 卷积+maxpoolong 池化+relu 激活的两层网络，最后使用全连接 来进行 flatten 操作的方式来搭建基本的 network。最终得到 两/三个类别的概率向量大小

结果综述

在此次项目中，主要的限制因素是数据集的质量。  
一方面，数据量较少，不能覆盖分类目标的大部分特征，另一方面，训练集和测试集的图片画风相差较大，即特征分布并不相同。这两方面因素制约了模型的泛化能力，导致训练过程中极易发生过拟合，而这也是其他正则化方法不能完全弥补的缺陷。  
在 loss 值的处理上，是使用了将 classes 与 species 的 loss 进行相加求平均的方式。 在同样的网络之中，二分类问题的准确率明显大于三分类问题，并随着类别的增加而下降 Acc 中，我们判断将两个任务都判断准确的作为正确的结果，使用判断正确的/总数据集大 小来计算。
由于数据集过小，所以非常容易出现过拟合的情况，此时 train 的 loss 会停滞不变， 比如 stage2 和 stage3 中，可以通过数据增广、增加 epoch 并渐小学习率，调整 batch size 的方式来进行优化。

所以此项目的主要意义在于，实现了深度学习中在计算机视觉领域图像分类的具体应用。  
学会了常规的数据处理、数据读取、模型搭建、模型训练和优化调参的具体方法，很适合小白使用此案例来进行 pytorch 图像分类的入门。为以后的学习打下实践基础。

项目成员

Winter : https://github.com/zysc1996  
JocelynWang2333 : https://github.com/JocelynWang2333  
Sunmile : https://github.com/Sunmilelj  
Rongxin : https://github.com/dengrongxin