Garbage Classification

🚀 垃圾分类

本项目是一个图像分类模型，用于对垃圾进行分类。它基于ViT模型，利用Kaggle上的垃圾分类数据集进行训练，能有效识别不同类型的垃圾，有助于提升垃圾处理效率和资源回收利用率。

🚀 快速开始

本项目的Huggingface空间链接为 点击此处，Huggingface模型卡片链接为 点击此处，代码演示可在 此仓库 中查看。

✨ 主要特性

背景

垃圾分类是指根据垃圾成分的使用价值、对环境的影响以及现有处理方法的要求，将不同类别的垃圾进行分离。

垃圾分类的意义在于：

1. 减少不同垃圾之间的相互污染，有利于材料的回收利用。
2. 有助于减少最终的垃圾处理量。
3. 有利于提高社会文明程度。

数据集

垃圾分类数据集来自Kaggle，该数据集共有2467张图片。此模型是针对该数据集的图像分类模型，数据集包含6个类别，分别是纸板（393张）、玻璃（491张）、金属（400张）、纸张（584张）、塑料（472张）和其他垃圾（127张）。

模型

本模型基于 ViT 模型，即视觉变换器（Vision Transformer）。它由Google Brain的研究团队于2021年6月在论文 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 中提出，并首次在 此仓库 中发布。本项目使用PyTorch对该模型进行训练。使用变换器对图像进行训练与对文本进行训练的最大不同在于分词步骤。

对图像进行分词有3个步骤：

1. 将图像分割成子图像块网格。
2. 通过线性投影对每个图像块进行嵌入。
3. 每个嵌入的图像块成为一个标记，嵌入图像块的结果序列就是传递给模型的序列。

本项目对模型进行了10个epoch的训练，使用Adam作为优化器，在测试集上的准确率达到了95%。

🔧 技术细节

模型选择

选择 ViT 模型是因为它在图像识别任务中表现出色，能够捕捉图像中的长距离依赖关系。

训练过程

使用PyTorch进行训练，训练了10个epoch，使用Adam优化器，最终在测试集上取得了95%的准确率。

图像分词

图像分词步骤是本项目的关键技术点，通过将图像分割成子图像块、嵌入和生成标记序列，将图像数据转换为适合模型处理的格式。

📚 详细文档

后续计划

下一步计划在该数据集上构建一个CNN模型，并比较这两个模型的准确率和训练时间。

待解决问题

目前未使用Dataset包来存储图像数据，后续希望了解如何使用Dataset包来处理图像数据。

📄 资源链接

• vit-base-patch16-224-in21k
• 垃圾数据集
• An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

💻 使用示例

目前文档中未提供具体代码示例，若有相关代码，可按照以下方式展示：

基础用法

# 此处应放置基础用法的代码示例

高级用法

# 此处应放置高级用法的代码示例及相关说明