ResNet50实战:用Fruits-360数据集训练自己的水果分类模型(附完整代码)

news2026/3/30 19:00:50
ResNet50实战用Fruits-360数据集训练自己的水果分类模型附完整代码在计算机视觉领域图像分类是最基础也最实用的任务之一。无论是工业质检、医疗影像分析还是零售商品识别都需要可靠的分类模型作为支撑。而水果分类作为典型的细粒度图像识别问题对模型的特征提取能力提出了更高要求。本文将带您从零开始使用经典的ResNet50架构和Fruits-360数据集构建一个专业级的水果分类系统。1. 环境准备与数据探索1.1 开发环境配置首先需要搭建支持GPU加速的深度学习环境。推荐使用conda创建独立的Python环境conda create -n fruit_classifier python3.8 conda activate fruit_classifier pip install torch torchvision pillow pandas tqdm matplotlib对于硬件配置建议至少满足GPUNVIDIA GTX 1060 6GB或更高内存16GB以上存储空间至少20GB可用空间数据集解压后约14GB1.2 Fruits-360数据集解析Fruits-360是一个专业的水果蔬菜图像数据集包含131种不同类别的水果和蔬菜超过8.3万张高质量图像统一背景所有样本都在白色背景下拍摄多角度拍摄每个水果都有不同角度的照片数据集目录结构如下Fruits-360/ ├── Training/ │ ├── Apple Braeburn/ │ ├── Apple Crimson Snow/ │ └── ...其他类别 └── Test/ ├── Apple Braeburn/ ├── Apple Crimson Snow/ └── ...其他类别提示数据集可从Kaggle直接下载解压后确保Training和Test目录位于同一父目录下2. 数据预处理与增强2.1 自定义数据加载器使用PyTorch的Dataset类创建自定义数据加载器from torchvision import transforms from torch.utils.data import Dataset from PIL import Image import os class FruitsDataset(Dataset): def __init__(self, root_dir, transformNone, trainTrue): self.root_dir os.path.join(root_dir, Training if train else Test) self.transform transform self.classes sorted(os.listdir(self.root_dir)) self.class_to_idx {cls: i for i, cls in enumerate(self.classes)} self.images self._load_images() def _load_images(self): images [] for cls in self.classes: cls_dir os.path.join(self.root_dir, cls) for img_name in os.listdir(cls_dir): img_path os.path.join(cls_dir, img_name) images.append((img_path, self.class_to_idx[cls])) return images def __len__(self): return len(self.images) def __getitem__(self, idx): img_path, label self.images[idx] image Image.open(img_path).convert(RGB) if self.transform: image self.transform(image) return image, label2.2 数据增强策略针对水果分类任务设计以下增强策略train_transform transforms.Compose([ transforms.Resize(256), transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.2), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) val_transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ])关键增强技术说明增强技术参数设置作用RandomResizedCrop224x224模拟不同拍摄距离ColorJitterbrightness0.2应对光照变化RandomRotation15度增强角度不变性3. ResNet50模型定制3.1 模型架构调整加载预训练ResNet50并修改最后一层import torch.nn as nn from torchvision import models class FruitResNet(nn.Module): def __init__(self, num_classes131): super(FruitResNet, self).__init__() self.base_model models.resnet50(pretrainedTrue) in_features self.base_model.fc.in_features self.base_model.fc nn.Linear(in_features, num_classes) def forward(self, x): return self.base_model(x)3.2 迁移学习策略采用分阶段训练方法冻结阶段只训练最后的全连接层微调阶段解冻所有层进行整体微调def set_parameter_requires_grad(model, feature_extracting): if feature_extracting: for param in model.parameters(): param.requires_grad False model FruitResNet(num_classes131) set_parameter_requires_grad(model, feature_extractingTrue) # 仅优化最后一层 optimizer torch.optim.Adam(model.fc.parameters(), lr0.001)4. 模型训练与评估4.1 训练循环实现完整的训练流程包含以下关键组件from tqdm import tqdm def train_model(model, dataloaders, criterion, optimizer, num_epochs25): best_acc 0.0 for epoch in range(num_epochs): print(fEpoch {epoch}/{num_epochs-1}) print(- * 10) for phase in [train, val]: if phase train: model.train() else: model.eval() running_loss 0.0 running_corrects 0 for inputs, labels in tqdm(dataloaders[phase]): inputs inputs.to(device) labels labels.to(device) optimizer.zero_grad() with torch.set_grad_enabled(phase train): outputs model(inputs) _, preds torch.max(outputs, 1) loss criterion(outputs, labels) if phase train: loss.backward() optimizer.step() running_loss loss.item() * inputs.size(0) running_corrects torch.sum(preds labels.data) epoch_loss running_loss / len(dataloaders[phase].dataset) epoch_acc running_corrects.double() / len(dataloaders[phase].dataset) print(f{phase} Loss: {epoch_loss:.4f} Acc: {epoch_acc:.4f}) if phase val and epoch_acc best_acc: best_acc epoch_acc torch.save(model.state_dict(), best_model.pth) return model4.2 学习率调度策略采用余弦退火学习率调度from torch.optim.lr_scheduler import CosineAnnealingLR optimizer torch.optim.Adam(model.parameters(), lr0.001) scheduler CosineAnnealingLR(optimizer, T_max10, eta_min1e-5)典型训练过程参数配置参数值说明Batch Size32平衡内存和稳定性初始学习率0.001微调常用初始值Epochs50包含冻结和解冻阶段权重衰减1e-4防止过拟合5. 模型部署与优化5.1 模型量化与加速使用TorchScript导出优化后的模型model.eval() example_input torch.rand(1, 3, 224, 224).to(device) traced_script_module torch.jit.trace(model, example_input) traced_script_module.save(fruit_classifier.pt)5.2 构建推理API简单的Flask服务端实现from flask import Flask, request, jsonify from PIL import Image import io app Flask(__name__) model torch.jit.load(fruit_classifier.pt, map_locationcpu) model.eval() app.route(/predict, methods[POST]) def predict(): if file not in request.files: return jsonify({error: no file uploaded}), 400 file request.files[file].read() image Image.open(io.BytesIO(file)).convert(RGB) image val_transform(image).unsqueeze(0) with torch.no_grad(): output model(image) _, predicted torch.max(output, 1) return jsonify({class: classes[predicted.item()]}) if __name__ __main__: app.run(host0.0.0.0, port5000)5.3 性能优化技巧实际部署时可考虑以下优化TensorRT加速将模型转换为TensorRT引擎ONNX导出实现跨平台部署量化压缩8位整数量化减小模型体积缓存机制对高频访问类别实现结果缓存在NVIDIA T4 GPU上的性能对比优化方式推理延迟(ms)模型大小(MB)原始模型45.298.7TensorRT12.683.4INT8量化8.324.96. 常见问题与解决方案6.1 类别不平衡处理Fruits-360中各类别样本数量差异较大可采用以下策略from torch.utils.data import WeightedRandomSampler class_counts [len(os.listdir(fFruits-360/Training/{cls})) for cls in classes] class_weights 1. / torch.tensor(class_counts, dtypetorch.float) sample_weights class_weights[labels] sampler WeightedRandomSampler( weightssample_weights, num_sampleslen(sample_weights), replacementTrue )6.2 过拟合应对方案当验证集准确率停滞时可尝试增加正则化optimizer torch.optim.Adam(model.parameters(), lr0.001, weight_decay1e-4)早停机制patience 5 best_acc 0.0 epochs_no_improve 0 if val_acc best_acc: best_acc val_acc epochs_no_improve 0 else: epochs_no_improve 1 if epochs_no_improve patience: print(Early stopping!) break标签平滑criterion nn.CrossEntropyLoss(label_smoothing0.1)6.3 模型解释性分析使用Grad-CAM可视化模型关注区域from torchcam.methods import GradCAM cam_extractor GradCAM(model, base_model.layer4.2) with torch.no_grad(): out model(input_tensor) activation_map cam_extractor(out.squeeze(0).argmax().item(), out) # 叠加原始图像 result overlay_mask( to_pil_image(input_tensor.squeeze(0)), to_pil_image(activation_map[0].squeeze(0), modeF), alpha0.5 )在实际项目中我们发现模型对水果的纹理特征如苹果的条纹和形状轮廓如香蕉的弯曲度最为敏感。通过可视化分析可以验证模型是否学习了有意义的特征而非依赖背景等无关信息。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2461544.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…