Awesome backbones for image classification

写在前面

• 若训练效果不佳，首先需要调整学习率和Batch size，这俩超参很大程度上影响收敛。其次，从关闭图像增强手段（尤其小数据集）开始，有的图像增强方法会污染数据，如

  如何去除增强？如efficientnetv2-b0配置文件中train_pipeline可更改为如下

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='RandomResizedCrop',
        size=192,
        efficientnet_style=True,
        interpolation='bicubic'),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='ImageToTensor', keys=['img']),
    dict(type='ToTensor', keys=['gt_label']),
    dict(type='Collect', keys=['img', 'gt_label'])
]

  若你的数据集提前已经将shape更改为网络要求的尺寸，那么Resize操作也可以去除。

更新日志

2023.12.02

• 新增Issue中多人提及的输出Train Acc与Val loss

  • metrics_outputs.csv保存每周期train_loss, train_acc, train_precision, train_recall, train_f1-score, val_loss, val_acc, val_precision, val_recall, val_f1-score方便各位绘图
  • 终端由原先仅输出Val相关metrics升级为Train与Val都输出

  

2023.08.05

• 新增TinyViT(预训练权重不匹配)、DeiT3、EdgeNeXt、RevVisionTransformer

2023.03.07

• 新增MobileViT、DaViT、RepLKNet、BEiT、EVA、MixMIM、EfficientNetV2

2022.11.20

• 新增是否将测试集用作验证集选项，若不使用，从训练集按ratio划分验证集数量，随机从训练集某fold挑选作为验证集（类似k-fold但不是，可自己稍改达到k-fold目的），详见Training tutorial

2022.11.06

• 新增HorNet, EfficientFormer, SwinTransformer V2, MViT模型

测试环境

• Pytorch 1.7.1+
• Python 3.6+

资料

快速开始

• 遵循环境搭建完成配置
• 下载MobileNetV3-Small权重至datas下
• Awesome-Backbones文件夹下终端输入

  python tools/single_test.py datas/cat-dog.png models/mobilenet/mobilenet_v3_small.py --classes-map datas/imageNet1kAnnotation.txt

教程

• 环境搭建
• 数据集准备
• 配置文件解释
• 训练
• 模型评估
• 计算Flops&Params
• 添加新的模型组件
• 类别激活图可视化
• 学习率策略可视化
• 数据增强策略可视化

模型

• [x] LeNet5
• [x] AlexNet
• [x] VGG
• [x] DenseNet
• [x] ResNet
• [x] Wide-ResNet
• [x] ResNeXt
• [x] SEResNet
• [x] SEResNeXt
• [x] RegNet
• [x] MobileNetV2
• [x] MobileNetV3
• [x] ShuffleNetV1
• [x] ShuffleNetV2
• [x] EfficientNet
• [x] RepVGG
• [x] Res2Net
• [x] ConvNeXt
• [x] HRNet
• [x] ConvMixer
• [x] CSPNet
• [x] Swin-Transformer
• [x] Vision-Transformer
• [x] Transformer-in-Transformer
• [x] MLP-Mixer
• [x] DeiT
• [x] Conformer
• [x] T2T-ViT
• [x] Twins
• [x] PoolFormer
• [x] VAN
• [x] HorNet
• [x] EfficientFormer
• [x] Swin Transformer V2
• [x] MViT V2
• [x] MobileViT
• [x] DaViT
• [x] replknet
• [x] BEiT
• [x] EVA
• [x] MixMIM
• [x] EfficientNetV2

  预训练权重

我维护的其他项目

• 图片数据不够？我做了一款图像增强软件
• 一键转换与编辑图像标注文件软件，极大提高效率

参考

@repo{2020mmclassification,
    title={OpenMMLab's Image Classification Toolbox and Benchmark},
    author={MMClassification Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmclassification}},
    year={2020}
}