Garbage Classification

🚀 垃圾分類

本項目是一個圖像分類模型，用於對垃圾進行分類。它基於ViT模型，利用Kaggle上的垃圾分類數據集進行訓練，能有效識別不同類型的垃圾，有助於提升垃圾處理效率和資源回收利用率。

🚀 快速開始

本項目的Huggingface空間鏈接為 點擊此處，Huggingface模型卡片鏈接為 點擊此處，代碼演示可在 此倉庫 中查看。

✨ 主要特性

背景

垃圾分類是指根據垃圾成分的使用價值、對環境的影響以及現有處理方法的要求，將不同類別的垃圾進行分離。

垃圾分類的意義在於：

1. 減少不同垃圾之間的相互汙染，有利於材料的回收利用。
2. 有助於減少最終的垃圾處理量。
3. 有利於提高社會文明程度。

數據集

垃圾分類數據集來自Kaggle，該數據集共有2467張圖片。此模型是針對該數據集的圖像分類模型，數據集包含6個類別，分別是紙板（393張）、玻璃（491張）、金屬（400張）、紙張（584張）、塑料（472張）和其他垃圾（127張）。

模型

本模型基於 ViT 模型，即視覺變換器（Vision Transformer）。它由Google Brain的研究團隊於2021年6月在論文 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 中提出，並首次在 此倉庫 中發佈。本項目使用PyTorch對該模型進行訓練。使用變換器對圖像進行訓練與對文本進行訓練的最大不同在於分詞步驟。

對圖像進行分詞有3個步驟：

1. 將圖像分割成子圖像塊網格。
2. 通過線性投影對每個圖像塊進行嵌入。
3. 每個嵌入的圖像塊成為一個標記，嵌入圖像塊的結果序列就是傳遞給模型的序列。

本項目對模型進行了10個epoch的訓練，使用Adam作為優化器，在測試集上的準確率達到了95%。

🔧 技術細節

模型選擇

選擇 ViT 模型是因為它在圖像識別任務中表現出色，能夠捕捉圖像中的長距離依賴關係。

訓練過程

使用PyTorch進行訓練，訓練了10個epoch，使用Adam優化器，最終在測試集上取得了95%的準確率。

圖像分詞

圖像分詞步驟是本項目的關鍵技術點，通過將圖像分割成子圖像塊、嵌入和生成標記序列，將圖像數據轉換為適合模型處理的格式。

📚 詳細文檔

後續計劃

下一步計劃在該數據集上構建一個CNN模型，並比較這兩個模型的準確率和訓練時間。

待解決問題

目前未使用Dataset包來存儲圖像數據，後續希望瞭解如何使用Dataset包來處理圖像數據。

📄 資源鏈接

• vit-base-patch16-224-in21k
• 垃圾數據集
• An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

💻 使用示例

目前文檔中未提供具體代碼示例，若有相關代碼，可按照以下方式展示：

基礎用法

# 此處應放置基礎用法的代碼示例

高級用法

# 此處應放置高級用法的代碼示例及相關說明