如何打一个 CV 比赛 V2.0

---

一、报名并理解赛题任务

1.平台注册

点击：华为赛事官网注册网址官方网址，进入官网，点击右上角：注册。

2.比赛报名

1、点击：华为赛事官网报名地址报名地址，进入赛事报名页。创建团队、选择报名来源、完善基础信息，最后提交即可。

3.数据下载

原始数据35.6G，没有足够算力的小伙伴可以下载如下数据，我们在原始数据数据集上进行了采样，数据大小总共2.5GB左右。
数据下载链接：数据下载

4.赛题解析

本次比赛是一个计算机视觉缺陷检测领域的图像分类赛，需要选手通过训练集数据构建模型，然后对验证集数据进行预测，预测结果进行提交。

本赛题给出的车道渲染数据为图片格式，包含两个大类，即问题图片和无问题图片。本题的任务是构建一种模型，根据地图渲染图片数据来预测图片是否存在问题。

二、配置环境

• 安装 Anaconda：https://blog.csdn.net/fan18317517352/article/details/123035625
• 安装 CUDA 与 cuDNN：https://www.bilibili.com/video/BV12V4y1s7MU/
• 参照上面的教程，在 Pytorch 官网下载安装 Pytorch，并且使用 conda 安装pandas，numpy，opencv

三、实践思路

1.代码实现

导入库
Pytorch环境请参考：Pytorch深度学习环境配置

#安装相关依赖库 如果是windows系统，cmd命令框中输入pip安装，或在Jupyter notebook中!pip安装，参考上述环境配置
#!pip install pandas numpy cv2 torch torchvision codecs PIL glob
#---------------------------------------------------
#导入库
import os
import glob
from PIL import Image
import csv, time
import numpy as np

# pytorch相关
import torch
import torchvision
import torch.optim as optim
import torch.nn as nn
import torchvision.transforms as transforms
from torch.utils.data import DataLoader
import torch.utils.data as data

测试GPU是否可以使用

device = 'cuda' if torch.cuda.is_available() else 'cpu'
#输出cuda说明使用gpu，输出cpu说明使用cpu，最好使用gpu训练
print(device)

数据读取与数据处理
首先我们需要定义如何读取数据，这里我们定义了一个读取文件的dataset，可以很方便完成数据读取和数据扩增操作。自定义dataset只需要重写init、getitem和len方法。

# 自定义读取数据集
class ImageSet(data.Dataset):
    def __init__(
            self,
            images,
            labels,
            transform):
        self.transform = transform
        self.images = images
        self.labels = labels

    def __getitem__(self, item):
        imagename = self.images[item]
        
        # 防止文件出错，这里生成一个随机的照片
        try:
            image = Image.open(imagename)
            image = image.convert('RGB')
        except:
            image = Image.fromarray(np.zeros((256, 256), dtype=np.int8))
            image = image.convert('RGB')

        image = self.transform(image)
        return image, torch.tensor(self.labels[item])

    def __len__(self):
        return len(self.images)

读取训练集图片和标注数据，注意这里的文件路径：

import pandas as pd
import codecs

# 训练集标注数据
lines = codecs.open('train_label.csv').readlines()
train_label = pd.DataFrame({
    'image': ['train_image/' + x.strip().split(',')[0] for x in lines],
    'label': [x.strip().split(',')[1:] for x in lines],
})

# 将标签进行二值化处理
train_label['new_label'] = train_label['label'].apply(lambda x: int('0' in x))

import cv2, os
def check_image(path):
    try:
        if os.path.exists(path):
            return True
        else:
            return False
    except:
        return False
# 筛选路径存在的训练集
train_is_valid = train_label['image'].apply(lambda x: check_image(x) )
train_label = train_label[train_is_valid]

# 数据扩增方法
trfs = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# 训练集dataset和dataloder
# 这里我们使用前1000张图片进行训练，后续可以自行修改
train_dataset = ImageSet(train_label['image'].values[:1000],
                         train_label['new_label'].values[:1000],
                         trfs)
train_loader = DataLoader(
    train_dataset,
    batch_size=32,
    shuffle=True,
    num_workers=1,
    pin_memory=True,
)

# 测试集dataset和dataloder
test_images = glob.glob('./test_images/*')
test_dataset = ImageSet(test_images, [0] * len(test_images), trfs)

test_loader = DataLoader(
    test_dataset,
    batch_size=32,
    shuffle=False,
    num_workers=5,
    pin_memory=True,
)

接下来验证数据集是否可以正确读取，读取一个批次的图片：

for data in train_loader:
    break
    
for data in test_loader:
    break
      
 #如果出现BrokenPipeError: [Errno 32] Broken pipe，调整DataLoader中num_workers = 0
 #num_workers参数是指在进行数据集加载时，启用的线程数目，windows下多线程可能出问题

模型搭建与训练
我们使用resnet18预训练模型，然后修改最终模型的输出层维度：

# 加载resnet18预训练模型
model = torchvision.models.resnet18(pretrained=True)
model.fc = torch.nn.Linear(512, 2)
model = model.to('cuda') #使用GPU

# 模型优化器
optimizer = optim.SGD(model.parameters(), lr=0.001)

# 模型损失函数
loss = nn.CrossEntropyLoss()

接下来我们使用pytorch完成模型的训练：

# 设置迭代轮数epochs，可调整，轮数越多，所花时间越久
epochs = 3
for epoch in range(epochs):
    start_t = time.time()
    epoch_l = 0
    epoch_t = 0
    
    # 批量训练
    for batch_idx, batch in enumerate(train_loader):
        optimizer.zero_grad()
        image, label = batch
        image, label = image.to('cuda'), label.to('cuda')
        output = model(image) # 正向传播

        l = loss(output, label) # 计算损失
        l.backward()
        optimizer.step()

        batch_l = l.item()
        epoch_l += batch_l
        batch_t = time.time() - start_t
        epoch_t += batch_t
        start_t = time.time()
        
        # 打印loss
        if batch_idx % 10 == 0:
            print(l.item(), batch_idx, len(train_loader))

    epoch_t = epoch_t / len(train_loader)
    epoch_l = epoch_l / len(train_loader)
    print('...epoch: {:3d}/{:3d}, loss: {:.4f}, average time: {:.2f}.'.format(
        epoch + 1, epochs, epoch_l, epoch_t))

模型验证
接下来我们对测试集进行预测，并生成提交文件。

model.eval()
to_prob = nn.Softmax(dim=1)
with torch.no_grad():
    imagenames, probs = list(), list()
    for batch_idx, batch in enumerate(test_loader):
        image, _ = batch
        image = image.to('cuda')
        pred = model(image)
        prob = to_prob(pred)
        prob = list(prob.data.cpu().numpy())
        probs += prob

结果输出
写入提交结果格式

import csv
with open('submission.csv', 'w',newline = '', encoding='utf8') as fp:
    writer = csv.writer(fp)
    writer.writerow(['imagename', 'defect_prob'])
    for imagename, prob in zip(test_images, probs):
        imagename = os.path.basename(imagename)
        writer.writerow([imagename, str(prob[0])])

本次教程完成了基础的模型搭建和训练过程，在学习版数据后可以在30分钟左右完成实践。如果想要获取更好的精度，可以从如下几个角度进行改进：

• 使用更多的训练数据进行训练，但需要更多的算力和时间
• 加入额外的数据扩增操作，需要选择合适的变换
• 使用更加强大的深度学习模型

2.结果提交

• 在提交结果处提交，提交 submission.csv（程序生成的CSV文件），查看自己的成绩排名
  

特别注意首次提交需要三个文件Source Code.zip为你的代码压缩文件、DIGIX Implementation Instruction.docx为官方提供文件、submission.csv为你的结果文件，注意文件名必须一致。

四、进阶提升

1. 提分思路

如何提高模型的分类精度？ -》 验证集的精度进行参考。

• 数据扩增：randcrop、randnoise、flip
• 更加强大的模型：输入的图片的尺寸、模型的最终的精度
• 利用无标签的数据集：伪标签的进行打标
  • 筛选出置信度比较高的样本 3000
  • 3000 + 训练集 再次训练

timm和torchvison 权重是不同，使用的超参数需要调整。

如果使用全量数据集进行训练，AUC 0.7 +

更加强化模型-》更长的训练时间，AUC 0.8 +
合理的数据增加， 无标签的数据集

如果使用预训练模型 vs 从头训练，精度还是有差异，前者更好。

知识蒸馏 大概率 用不到。