记一次目标分类任务流程拉通——pytorch+resnet50+重新筛选的部分challenge2018农作物病害数据集(玉米)

最新推荐文章于 2024-10-26 07:59:10 发布

叶青古

最新推荐文章于 2024-10-26 07:59:10 发布

阅读量1.9k

点赞数 5

分类专栏： ML/DL/数据结构与算法 python 文章标签：深度学习 python

本文链接：https://blog.youkuaiyun.com/qq_31681523/article/details/117528071

版权

本文记录了一次使用PyTorch和ResNet50模型进行农作物病害分类的任务，作者从数据集筛选、数据集制作到训练流程进行了详细阐述。选用AI Challenger 2018农作物病害数据集的玉米病害部分，通过pandas筛选数据并创建训练集和验证集。训练脚本基于官方的ImageNet示例进行修改，并取得了较好的结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

做这个事情是为了拉通流程，所以对数据集进行了重新制作，只选取了部分类别来完成目标分类任务。
代码地址：https://github.com/AlannahYYL/plant_classification
完整数据集：https://pan.baidu.com/wap/init?surl=6f1nQchS-zBtzSWn9Guyyg 提取码：iksk
筛选后的玉米：https://pan.baidu.com/s/1GLo51C_y2pcoESDFUrgyDA 提取码：sdfc

一.项目环境

python==3.6   torch==1.6   torchvision==0.7.0

二.数据集介绍

首先说下数据集：AI Challenger 2018农作物病害检测竞赛就是由上海新客科技为竞赛提供农作物叶子图像的数据集：标注图片5万张，包含10种植物(苹果、樱桃、葡萄、柑桔、桃、草莓、番茄、辣椒、玉米、马铃薯)的27种病害，合计61个分类(按“物种-病害-程度”分)
标签类别对照表：见https://github.com/xungeer29/AI-Challenger-Plant-Disease-Recognition/blob/master/README.md
标注文件为json文件，是一个列表，列表中每张图片的信息以字典形式保存。key值：“disease_class”, “image_id”。

三.数据集制作

首先参考这篇进行的数据分布的分析，选择了9-16玉米的病害数据来完成本次任务。

with open(train_data_json) as datafile1:
    trainDataFram=pd.read_json(datafile1,orient='records')
with open(val_data_json) as datafile2: #first check if it's a valid json file or not
    validateDataFram =pd.read_json(datafile2

最低0.47元/天解锁文章