当前位置: 首页 > article >正文

别再只用MNIST了!用Oxford-IIIT Pet数据集在PyTorch Lightning里玩转图像分类

告别MNIST用Oxford-IIIT Pet数据集打造专业级宠物分类器当你已经能够闭着眼睛在MNIST上达到99%准确率当CIFAR-10的彩色小图片不再让你感到挑战是时候升级你的深度学习实战项目了。Oxford-IIIT Pet数据集正是为渴望进阶的开发者准备的完美选择——它包含了37种猫狗品种的7390张高质量图片每张都带有精细的边界框标注和像素级分割掩码。1. 为什么选择Oxford-IIIT Pet数据集这个由牛津大学视觉几何组和IIIT Hyderabad联合创建的数据集在计算机视觉研究领域享有盛誉。与MNIST或CIFAR这类玩具数据集相比它具有几个不可替代的优势真实世界的复杂性图片拍摄于各种光照条件、角度和背景中宠物姿态各异更接近实际应用场景细粒度分类挑战需要区分37个猫狗品种比如辨别Bengal和British_Shorthair猫的细微差别丰富的标注信息除了类别标签还包括物体边界框可用于目标检测像素级分割掩码可用于语义分割头部姿态标注是否截断/遮挡的标记数据集的一个巧妙设计是文件名首字母大写的都是猫小写的都是狗。例如Abyssinian_1.jpg阿比西尼亚猫basset_hound_12.jpg巴吉度猎犬2. 快速搭建PyTorch Lightning数据管道PyTorch Lightning的LightningDataModule能让我们优雅地组织数据加载和预处理代码。以下是一个完整的实现示例from torchvision import transforms from torch.utils.data import DataLoader import pytorch_lightning as pl from torchvision.datasets import ImageFolder class PetDataModule(pl.LightningDataModule): def __init__(self, data_dir./data, batch_size32): super().__init__() self.data_dir data_dir self.batch_size batch_size # 定义增强变换 self.train_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) self.val_transform transforms.Compose([ transforms.Resize((256, 256)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) def setup(self, stageNone): # 划分训练集和验证集 train_data ImageFolder( rootf{self.data_dir}/train, transformself.train_transform ) val_data ImageFolder( rootf{self.data_dir}/val, transformself.val_transform ) # 计算类别权重以处理不平衡问题 self.class_weights self._calculate_class_weights(train_data) self.train_dataset train_data self.val_dataset val_data def train_dataloader(self): return DataLoader( self.train_dataset, batch_sizeself.batch_size, shuffleTrue, num_workers4 ) def val_dataloader(self): return DataLoader( self.val_dataset, batch_sizeself.batch_size, num_workers4 )提示使用ImageFolder时确保你的目录结构是data/train/class_name/*.jpg这样的层级。可以利用原始XML标注中的信息来创建这种结构。3. 构建高效宠物分类模型我们将基于EfficientNet构建分类器这是一个在ImageNet上预训练的高效卷积网络。PyTorch Lightning让模型定义和训练变得异常简洁import torch.nn as nn import torch.nn.functional as F from torchvision.models import efficientnet_b0 import pytorch_lightning as pl from torchmetrics import Accuracy class PetClassifier(pl.LightningModule): def __init__(self, num_classes37, lr1e-3): super().__init__() self.save_hyperparameters() # 使用预训练EfficientNet self.backbone efficientnet_b0(pretrainedTrue) # 替换最后的分类层 in_features self.backbone.classifier[1].in_features self.backbone.classifier nn.Sequential( nn.Dropout(p0.2), nn.Linear(in_features, num_classes) ) # 初始化指标 self.train_acc Accuracy(taskmulticlass, num_classesnum_classes) self.val_acc Accuracy(taskmulticlass, num_classesnum_classes) def forward(self, x): return self.backbone(x) def training_step(self, batch, batch_idx): x, y batch logits self(x) loss F.cross_entropy(logits, y) # 记录指标 self.train_acc(logits, y) self.log(train_loss, loss, on_stepTrue, on_epochTrue) self.log(train_acc, self.train_acc, on_stepTrue, on_epochTrue) return loss def validation_step(self, batch, batch_idx): x, y batch logits self(x) loss F.cross_entropy(logits, y) self.val_acc(logits, y) self.log(val_loss, loss, on_stepFalse, on_epochTrue) self.log(val_acc, self.val_acc, on_stepFalse, on_epochTrue) return loss def configure_optimizers(self): optimizer torch.optim.Adam(self.parameters(), lrself.hparams.lr) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemax, factor0.1, patience3 ) return { optimizer: optimizer, lr_scheduler: { scheduler: scheduler, monitor: val_acc } }这个模型设计有几个关键点使用预训练EfficientNet作为特征提取器替换最后的分类层以适应我们的37类任务使用ReduceLROnPlateau学习率调度器内置了准确率指标的跟踪4. 高级技巧与性能优化要让模型在这个复杂数据集上表现更好我们需要一些进阶技巧4.1 处理类别不平衡Oxford-IIIT Pet中各类别的样本数并不均衡。我们可以使用加权交叉熵损失def setup(self, stageNone): # ...之前的setup代码... # 计算类别权重 def _calculate_class_weights(self, dataset): class_counts torch.zeros(len(dataset.classes)) for _, label in dataset: class_counts[label] 1 return 1.0 / (class_counts / class_counts.sum()) # 然后在训练步骤中使用 def training_step(self, batch, batch_idx): x, y batch logits self(x) loss F.cross_entropy(logits, y, weightself.class_weights.to(self.device)) # ...4.2 利用分割掩码进行数据增强数据集提供的分割掩码让我们能实现更智能的数据增强from PIL import Image import numpy as np class MaskAwareAugmentation: def __call__(self, img, mask): # 随机水平翻转 if random.random() 0.5: img img.transpose(Image.FLIP_LEFT_RIGHT) mask mask.transpose(Image.FLIP_LEFT_RIGHT) # 基于掩码的裁剪 nonzero np.nonzero(mask) if len(nonzero[0]) 0: min_y, max_y np.min(nonzero[0]), np.max(nonzero[0]) min_x, max_x np.min(nonzero[1]), np.max(nonzero[1]) bbox (min_x, min_y, max_x, max_y) img img.crop(bbox) mask mask.crop(bbox) return img, mask4.3 使用混合精度训练加速PyTorch Lightning让混合精度训练变得非常简单trainer pl.Trainer( acceleratorgpu, devices1, precision16, # 启用混合精度 max_epochs30, callbacks[ pl.callbacks.EarlyStopping(monitorval_acc, patience5, modemax), pl.callbacks.ModelCheckpoint(monitorval_acc, modemax) ] )5. 从分类到目标检测的扩展Oxford-IIIT Pet的XML标注包含了每只宠物的边界框信息这让我们可以轻松扩展到目标检测任务。以下是使用MMDetection框架的配置示例# configs/pet_detection.py model dict( typeFasterRCNN, backbonedict( typeResNet, depth50, num_stages4, out_indices(0, 1, 2, 3), frozen_stages1, norm_cfgdict(typeBN, requires_gradTrue), norm_evalTrue, stylepytorch, init_cfgdict(typePretrained, checkpointtorchvision://resnet50) ), neckdict( typeFPN, in_channels[256, 512, 1024, 2048], out_channels256, num_outs5 ), rpn_headdict( typeRPNHead, in_channels256, feat_channels256, anchor_generatordict( typeAnchorGenerator, scales[8], ratios[0.5, 1.0, 2.0], strides[4, 8, 16, 32, 64] ), bbox_coderdict( typeDeltaXYWHBBoxCoder, target_means[0.0, 0.0, 0.0, 0.0], target_stds[1.0, 1.0, 1.0, 1.0] ), loss_clsdict( typeCrossEntropyLoss, use_sigmoidTrue, loss_weight1.0 ), loss_bboxdict(typeL1Loss, loss_weight1.0) ), roi_headdict( typeStandardRoIHead, bbox_roi_extractordict( typeSingleRoIExtractor, roi_layerdict( typeRoIAlign, output_size7, sampling_ratio0 ), out_channels256, featmap_strides[4, 8, 16, 32] ), bbox_headdict( typeShared2FCBBoxHead, in_channels256, fc_out_channels1024, roi_feat_size7, num_classes1, # 只检测宠物这一类 bbox_coderdict( typeDeltaXYWHBBoxCoder, target_means[0.0, 0.0, 0.0, 0.0], target_stds[0.1, 0.1, 0.2, 0.2] ), reg_class_agnosticFalse, loss_clsdict( typeCrossEntropyLoss, use_sigmoidFalse, loss_weight1.0 ), loss_bboxdict(typeL1Loss, loss_weight1.0) ) ), train_cfgdict( rpndict( assignerdict( typeMaxIoUAssigner, pos_iou_thr0.7, neg_iou_thr0.3, min_pos_iou0.3, match_low_qualityTrue, ignore_iof_thr-1 ), samplerdict( typeRandomSampler, num256, pos_fraction0.5, neg_pos_ub-1, add_gt_as_proposalsFalse ), allowed_border-1, pos_weight-1, debugFalse ), rpn_proposaldict( nms_pre2000, max_per_img1000, nmsdict(typenms, iou_threshold0.7), min_bbox_size0 ), rcnndict( assignerdict( typeMaxIoUAssigner, pos_iou_thr0.5, neg_iou_thr0.5, min_pos_iou0.5, match_low_qualityFalse, ignore_iof_thr-1 ), samplerdict( typeRandomSampler, num512, pos_fraction0.25, neg_pos_ub-1, add_gt_as_proposalsTrue ), pos_weight-1, debugFalse ) ), test_cfgdict( rpndict( nms_pre1000, max_per_img1000, nmsdict(typenms, iou_threshold0.7), min_bbox_size0 ), rcnndict( score_thr0.05, nmsdict(typenms, iou_threshold0.5), max_per_img100 ) ) )6. 实战中的常见问题与解决方案在真实项目中应用这个数据集时我遇到过几个典型问题问题1内存不足导致训练中断解决方案使用较小的批次大小如16或8启用梯度累积trainer pl.Trainer( accumulate_grad_batches4, # 相当于增大4倍batch size # 其他参数... )问题2某些品种识别准确率特别低解决方案检查这些品种的样本数量是否过少添加针对性的数据增强如特定角度的旋转在损失函数中给这些类别更高权重问题3模型对背景过于敏感解决方案使用分割掩码裁剪出宠物主体添加随机背景替换增强在模型中加入注意力机制以下是一个实用的学习率查找工具可以帮助你快速确定合适的初始学习率from torch_lr_finder import LRFinder def find_lr(model, datamodule): trainer pl.Trainer(auto_lr_findTrue) lr_finder trainer.tuner.lr_find( model, datamoduledatamodule, min_lr1e-6, max_lr1e-2, num_training100 ) # 绘制学习率曲线 fig lr_finder.plot(suggestTrue) fig.show() # 获取建议的学习率 new_lr lr_finder.suggestion() print(fSuggested learning rate: {new_lr}) return new_lr在实际部署中我发现将模型转换为ONNX格式能显著提升推理速度。以下是一个转换示例import torch from model import PetClassifier # 加载训练好的模型 model PetClassifier.load_from_checkpoint(best_model.ckpt) model.eval() # 创建虚拟输入 dummy_input torch.randn(1, 3, 256, 256) # 导出为ONNX torch.onnx.export( model, dummy_input, pet_classifier.onnx, input_names[input], output_names[output], dynamic_axes{ input: {0: batch_size}, output: {0: batch_size} } )

相关文章:

别再只用MNIST了!用Oxford-IIIT Pet数据集在PyTorch Lightning里玩转图像分类

告别MNIST:用Oxford-IIIT Pet数据集打造专业级宠物分类器 当你已经能够闭着眼睛在MNIST上达到99%准确率,当CIFAR-10的彩色小图片不再让你感到挑战,是时候升级你的深度学习实战项目了。Oxford-IIIT Pet数据集正是为渴望进阶的开发者准备的完美…...

粒子群优化算法(PSO)原理与工程实践指南

1. 粒子群优化算法入门指南在解决复杂优化问题时,传统的梯度下降方法往往需要目标函数的导数信息,这在很多实际场景中难以获取。粒子群优化(Particle Swarm Optimization,PSO)作为一种启发式算法,模拟了鸟群…...

专业级Visual C++运行库自动化修复方案:3步彻底解决系统兼容性问题

专业级Visual C运行库自动化修复方案:3步彻底解决系统兼容性问题 【免费下载链接】vcredist AIO Repack for latest Microsoft Visual C Redistributable Runtimes 项目地址: https://gitcode.com/gh_mirrors/vc/vcredist VisualCppRedist AIO项目提供了终极…...

FigmaCN完整中文汉化指南:3步让Figma界面瞬间变中文

FigmaCN完整中文汉化指南:3步让Figma界面瞬间变中文 【免费下载链接】figmaCN 中文 Figma 插件,设计师人工翻译校验 项目地址: https://gitcode.com/gh_mirrors/fi/figmaCN 你是否在使用Figma时被满屏的英文界面困扰?作为设计师&#…...

Mos技术原理解析:macOS鼠标滚动事件拦截与平滑算法实现

Mos技术原理解析:macOS鼠标滚动事件拦截与平滑算法实现 【免费下载链接】Mos 一个用于在 macOS 上平滑你的鼠标滚动效果或单独设置滚动方向的小工具, 让你的滚轮爽如触控板 | A lightweight tool used to smooth scrolling and set scroll direction independently …...

Windows屏幕标注终极指南:免费开源工具ppInk完全教程

Windows屏幕标注终极指南:免费开源工具ppInk完全教程 【免费下载链接】ppInk Fork from Gink 项目地址: https://gitcode.com/gh_mirrors/pp/ppInk 在数字化教学、远程会议和产品演示日益普及的今天,拥有一款得心应手的屏幕标注工具变得尤为重要。…...

2025届学术党必备的降重复率神器推荐

Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 知网AIGC检测服务会对学术文本里被人工智能生成的那部分内容展开识别,这个系统是…...

量子纠错码权重降低技术原理与应用

1. 量子纠错码权重降低技术概述量子纠错码的权重降低技术是现代量子计算容错架构的核心组件之一。这项技术的本质是通过数学重构,将原本需要与大量校验子相互作用的高权重量子比特,转换为仅需与少数校验子交互的低权重版本。这种转换在硬件实现层面具有革…...

【Spring Boot 4.0 Agent就绪认证标准】:通过8项性能压测+4类Agent兼容性验证的终极配置模板(附GraalVM原生镜像适配对照表)

第一章:Spring Boot 4.0 Agent-Ready 架构 配置步骤详解Spring Boot 4.0 引入了原生支持 Java Agent 的运行时增强能力,使应用在不修改业务代码的前提下即可集成可观测性、安全审计、性能追踪等代理能力。该特性依托于 JVM 的 Instrumentation API 与 Sp…...

别再盲目重启dockerd!Docker守护进程网络栈内存泄漏(OOMKilled频发)的48小时根因追踪实录

第一章:Docker 网络优化Docker 默认的 bridge 网络在高并发、低延迟或跨主机通信场景下常面临性能瓶颈,包括 NAT 开销、iptables 规则膨胀、DNS 解析延迟及容器间网络隔离粒度不足等问题。优化 Docker 网络需从驱动选择、网络拓扑设计、内核参数调优和运…...

Qwen3-4B-Thinking-2507-GPT-5-Codex-Distill-GGUF快速体验:Chainlit前端对话界面搭建与使用技巧

Qwen3-4B-Thinking-2507-GPT-5-Codex-Distill-GGUF快速体验:Chainlit前端对话界面搭建与使用技巧 1. 引言:从模型部署到对话界面,一站式搞定 最近在尝试各种开源大模型,我发现一个挺普遍的问题:很多朋友把模型部署起…...

告别散装工具链:用Hugging Face LeRobot一站式搞定机器人学习(附SO-101机械臂实战)

告别散装工具链:用Hugging Face LeRobot一站式搞定机器人学习(附SO-101机械臂实战) 机器人学习领域长期存在一个令人头疼的问题:工具链过于分散。想象一下,你需要同时处理HDF5格式的数据集、Gym风格的仿真环境、Stable…...

为什么92%的智能座舱项目在Docker镜像分层时崩溃?3步精简法将车载镜像从1.8GB压至217MB(附内存泄漏检测POC)

第一章:智能座舱Docker镜像分层失效的根因诊断在智能座舱系统持续集成流水线中,Docker镜像构建速度骤降、缓存命中率归零、重复拉取基础层等问题频发,表面现象是分层机制“失灵”,实则源于构建上下文与多阶段构建策略的深层耦合缺…...

CSS如何处理SSR中CSS引入_在服务端渲染时提取关键CSS

服务端渲染时import的CSS未内联&#xff0c;因Webpack/Vite默认不提取&#xff1b;需用mini-css-extract-plugin&#xff08;Webpack&#xff09;或vite-plugin-css-injected-by-js&#xff08;Vite&#xff09;配合服务端收集并注入CSS字符串到HTML的<head>中。服务端渲…...

Qwen3字幕系统保姆级教程:清音刻墨Web端上传/分析/导出详解

Qwen3字幕系统保姆级教程&#xff1a;清音刻墨Web端上传/分析/导出详解 1. 什么是清音刻墨字幕系统 清音刻墨是一款基于通义千问Qwen3-ForcedAligner核心技术的智能字幕生成平台。它能将音频或视频中的语音内容&#xff0c;精确地转换成带有时间轴的字幕文件。 想象一下这样…...

Xftp 7不只是传文件:挖掘同步、直接编辑与图像预览这些被低估的高效功能

Xftp 7高阶技巧&#xff1a;解锁专业用户才知道的远程文件管理方案 当大多数用户还在用Xftp 7进行基础文件传输时&#xff0c;真正的效率高手已经将这套工具玩出了新花样。想象一下&#xff1a;前端设计师无需下载就能快速预览服务器上的图片素材&#xff0c;运维工程师直接在V…...

OBS Spout2插件深度解析:高性能视频流共享技术完整方案

OBS Spout2插件深度解析&#xff1a;高性能视频流共享技术完整方案 【免费下载链接】obs-spout2-plugin A Plugin for OBS Studio to enable Spout2 (https://github.com/leadedge/Spout2) input / output 项目地址: https://gitcode.com/gh_mirrors/ob/obs-spout2-plugin …...

OpenMV IDE终极配置指南:3步快速搭建视觉开发环境

OpenMV IDE终极配置指南&#xff1a;3步快速搭建视觉开发环境 【免费下载链接】openmv-ide QtCreator based OpenMV IDE 项目地址: https://gitcode.com/gh_mirrors/op/openmv-ide OpenMV IDE作为一款基于Qt Creator的视觉开发工具&#xff0c;是OpenMV摄像头项目的核心…...

RPFM架构解析:高性能游戏模组文件处理引擎的技术实现

RPFM架构解析&#xff1a;高性能游戏模组文件处理引擎的技术实现 【免费下载链接】rpfm Rusted PackFile Manager (RPFM) is a... reimplementation in Rust and Qt5 of PackFile Manager (PFM), one of the best modding tools for Total War Games. 项目地址: https://gitc…...

用SpringBoot的@Transactional注解,搞定一个完整的用户权限更新业务(含MyBatis)

用SpringBoot的Transactional注解构建高可靠用户权限更新服务 在用户管理系统开发中&#xff0c;权限更新往往涉及多表联动操作——更新用户基础信息的同时&#xff0c;可能需要调整角色关联、刷新权限列表。这种"要么全部成功&#xff0c;要么全部失败"的业务场景&a…...

局部与全局优化算法:原理、应用与最佳实践

1. 优化问题概述&#xff1a;局部与全局视角在工程实践和科学研究中&#xff0c;我们经常需要寻找某个系统的最佳配置或参数组合——这个过程就是优化。想象你正在调整收音机的旋钮寻找最清晰的信号&#xff1a;当你微调旋钮时&#xff0c;可能会在某个位置听到相对清晰的声音&…...

如何用铜钟音乐打造无干扰的纯净音乐体验?

如何用铜钟音乐打造无干扰的纯净音乐体验&#xff1f; 【免费下载链接】tonzhon-music 铜钟 Tonzhon (tonzhon.whamon.com): 干净纯粹的音乐平台 (铜钟已不再使用 tonzhon.com&#xff0c;现在的 tonzhon.com 不是正版的铜钟) 项目地址: https://gitcode.com/GitHub_Trending…...

小米路由器WiFi下电脑互ping失败?别急着换设备,先检查这个隐藏的加密设置

小米路由器局域网设备互访失败&#xff1f;可能是加密协议在"作怪" 家里用小米路由器的朋友&#xff0c;有没有遇到过这样的场景&#xff1a;明明所有设备都连着同一个WiFi&#xff0c;电脑却死活ping不通NAS&#xff0c;手机看不到电视的投屏选项&#xff0c;游戏联…...

HFSS布尔运算实战:用‘相减’和‘合并’搞定复杂T型波导建模,附赠变量Offset使用技巧

HFSS布尔运算实战&#xff1a;用‘相减’和‘合并’搞定复杂T型波导建模&#xff0c;附赠变量Offset使用技巧 在电磁仿真领域&#xff0c;HFSS作为行业标杆工具&#xff0c;其建模能力直接决定了仿真精度与效率。对于中级用户而言&#xff0c;掌握布尔运算技巧是突破建模瓶颈的…...

深度解析Neper高级功能:多晶体建模实战配置指南

深度解析Neper高级功能&#xff1a;多晶体建模实战配置指南 【免费下载链接】neper Polycrystal generation and meshing 项目地址: https://gitcode.com/gh_mirrors/nep/neper Neper是一款专业的多晶体生成与网格划分开源软件&#xff0c;专为材料科学研究提供高效的多…...

别再乱放文件了!UniAPP项目目录结构保姆级指南(附最佳实践与自建文件夹说明)

UniAPP项目目录结构优化指南&#xff1a;从混乱到清晰的最佳实践 刚接触UniAPP的开发者常常会陷入一个困境&#xff1a;随着项目规模扩大&#xff0c;文件越来越多&#xff0c;最终整个项目变成难以维护的"垃圾堆"。这种情况往往源于对目录结构理解不足和缺乏前期规划…...

给《饥荒联机版》自制一件新衣服:从零开始的Mod制作保姆级教程(附完整代码与贴图处理)

从零开始为《饥荒联机版》制作服装Mod&#xff1a;手把手教你打造专属角色造型 在《饥荒联机版》的世界里&#xff0c;角色造型的个性化是许多玩家追求的游戏乐趣之一。虽然游戏本身提供了不少服装选择&#xff0c;但自己动手为角色设计一件独一无二的衣服&#xff0c;无疑能带…...

终极免费音频转换器fre:ac:5分钟从新手到高手的完整指南 [特殊字符]

终极免费音频转换器fre:ac&#xff1a;5分钟从新手到高手的完整指南 &#x1f3af; 【免费下载链接】freac The fre:ac audio converter project 项目地址: https://gitcode.com/gh_mirrors/fr/freac 你是否还在为音频格式不兼容而烦恼&#xff1f;想要把CD音乐转换成数…...

量子纠错技术:从比特到高维系统的演进与实践

1. 量子纠错基础&#xff1a;从比特到高维系统的范式演进量子计算的核心挑战在于量子态的脆弱性——环境噪声和操作误差会迅速破坏量子信息。我在IBM量子云平台上的实验数据显示&#xff0c;未经保护的量子比特在100次门操作后保真度就会降至50%以下。量子纠错码&#xff08;QE…...

别再死记硬背了!用动画图解二叉排序树的插入与删除(附C++代码调试技巧)

动画拆解二叉排序树&#xff1a;从插入删除到调试实战 二叉排序树是数据结构中最经典的平衡与搜索思想的结合体&#xff0c;但很多初学者在理解插入和删除操作时&#xff0c;常常陷入机械记忆的困境。本文将通过动画分步演示和IDE调试技巧&#xff0c;带您真正掌握二叉排序树的…...