昇思25天打卡营-mindspore-ML- Day16-基于MobileNetv2的垃圾分类

今天学习了如何使用 MobileNetV2 模型进行垃圾分类，并掌握了相关代码的编写。以下是学习笔记：

1. 学习的主要内容：

• MobileNetV2 模型原理
• 数据预处理
• 模型构建与训练
• 模型推理与评估
• 模型导出

2. MobileNetV2 算法原理：

MobileNetV2 是一种轻量级的卷积神经网络，专注于移动端、嵌入式或 IoT 设备。它使用深度可分离卷积和倒残差结构，在保证准确率的同时，大大减小了模型参数和运算量。

3. 与其他分类算法的区别：

• VGG/ResNet: 像高楼大厦，拥有众多层，参数量庞大，计算复杂度高，但准确率较高。
• MobileNetV2: 像小公寓，层数较少，参数量小，计算复杂度低，但准确率略低于 VGG/ResNet。
• 其他轻量级网络: 像不同风格的小公寓，各有特色，例如 ShuffleNet 使用了通道混洗操作，更注重计算效率。

4. 程序代码主要逻辑：

1. 数据预处理： 将数据集按照类别划分文件夹，并进行归一化、裁剪、翻转等操作。
2. 模型构建： 使用 MindSpore 框架构建 MobileNetV2 网络，包括 backbone 和 head 部分。
3. 模型训练： 使用预训练的 MobileNetV2 模型进行微调，只训练最后几层，并保存训练过程中的 Checkpoint。
4. 模型推理： 加载训练好的模型，对测试集进行预测，并计算准确率。
5. 模型导出： 将训练好的模型导出为 AIR/GEIRVM/ONNX 格式，以便在 Atlas 200 DK 等设备上进行推理。

5. 其他应用场景：

MobileNetV2 可以应用于各种图像分类任务，例如：

• 物体识别
• 场景识别
• 人脸识别
• 医学图像分析

6. 数据集：

数据集是 data_en，包含了垃圾分类相关的图片，分为以下几个类别：

• 干垃圾
• 可回收物
• 湿垃圾
• 有害垃圾

每个类别下有多个子类别，例如干垃圾下包含贝壳、打火机、旧镜子等。图片以文件夹形式组织，每个文件夹对应一个类别或子类别。

总结：

MobileNetV2 是一种轻量级的图像分类模型，在保证准确率的同时，具有低计算量和低功耗的优势，非常适合移动端和嵌入式设备。通过学习本次课程，我掌握了使用 MobileNetV2 进行图像分类的方法，并了解了相关代码的实现过程。

具体代码实现和说明文档：

【腾讯文档】基于MobileNetv2的垃圾分类.pdf
https://docs.qq.com/pdf/DUkdxUGxvVUJoS3dj