![[pytorch] Kaggle图片分类比赛 ArcFace + bounding box 代码学习](http://www.mshxw.com/aiimages/31/744139.png "[pytorch] Kaggle图片分类比赛 ArcFace + bounding box 代码学习")
代码链接基础知识
[理论] 度量学习 Metric Learning[理论] bounding box 目标检测[python] logging模块 数据预处理代码详解
配置参数读取csv数据划分数据集读取图片数据
比赛中的数据包含来自 28 个不同研究机构的 30 个不同物种（鲸鱼和海豚）的 15,000 多只独特个体海洋哺乳动物的图像。比赛要求是对测试集个体id的分类。
kaggle 比赛数据详情及数据集下载：Happywhale - Whale and Dolphin Identification
arcface是本次比赛中表现最好的方法之一。代码：
- Pytorch Metric Learning [effnet + arcface])Pytorch Train Notebook(ArcFace + GeM Pooling)
度量学习（Metric Learning）是机器学习过程中经常用到的一种方法，它可以借助一系列观测，构造出对应的度量函数，从而学习数据间的距离或差异，有效地描述样本之间的相似度。这个度量函数对于相似度高的观测值，会返回一个小的距离值；对于差异巨大的观测值，则会返回一个大的距离值。当样本量不大时，度量学习在处理分类任务的准确率和高效率上，展现出了显著优势。
然而，如果要处理的分类任务十分复杂，具有多类别、小样本等特征时，结合深度学习和度量学习的深度度量学习（（Deep Metric Learning，简称 DML）），才是真正的王者。深度度量学习又被称为距离度量学习（Distance Metric Learning）。相较于度量学习，深度度量学习可以对输入特征做非线性映射。
通过训练一个基于 CNN 的非线性特征提取模块或编码器，深度度量学习可以将提取的图像特征（Embedding）嵌入到近邻位置，同时借助欧氏距离、cosine 等距离度量方法，将不同的图像特征区分开来。
深度度量学习在 CV 领域的一些极端分类任务（类别众多、样本量不足）中表现优异，应用遍及人脸识别、行人重识别、图像检索、目标跟踪、特征匹配等场景。
参考链接：
- 度量学习和pytorch-metric-learning的使用PyTorch 深度度量学习无敌 Buff：九大模块、随意调用度量学习/对比学习入门: 论文阅读笔记-Deep Metric Learning: A Survey
在图像分类任务中，我们假设图像中只有一个主要物体对象，我们只关注如何识别其类别。 然而，很多时候图像里有多个我们感兴趣的目标，我们不仅想知道它们的类别，还想得到它们在图像中的具体位置。 在计算机视觉里，我们将这类任务称为目标检测（object detection）或目标识别（object recognition）。
在目标检测中，我们通常使用边界框（bounding box）来描述对象的空间位置。 边界框是矩形的，由矩形左上角的以及右下角的 x 和 y 坐标决定。 另一种常用的边界框表示方法是边界框中心的 (x,y) 轴坐标以及框的宽度和高度。
参考链接：
1.CNN: bounding box prediction 01 problem
2.CNN: bounding box prediction - specify bounding box
3.CNN: bounding box prediction - YOLO algo
4.CNN: 3.9 YOLO 算法 part1
5.CNN: 3.9 YOLO 算法 part2
那么在 Python 中，怎样才能算作一个比较标准的日志记录过程呢？或许很多人会使用 print 语句输出一些运行信息，然后再在控制台观察，运行的时候再将输出重定向到文件输出流保存到文件中，这样其实是非常不规范的，在 Python 中有一个标准的 logging 模块，我们可以使用它来进行标注的日志记录，利用它我们可以更方便地进行日志记录，同时还可以做更方便的级别区分以及一些额外日志信息的记录，如时间、运行模块信息等。
接下来我们先了解一下日志记录流程的整体框架。
参考链接：
- 是时候抛弃print了，开始体验下logging的强大吧！Python之日志处理（logging模块）
首先，根据我们数据统计的结果：[pytorch] Kaggle大型图像数据集 数据分析+可视化
数据图片的大小差异非常大，其中我们要检测的鲸鱼或海豚的位置也是乱七八糟
Things to know before starting image preprocessing
这里你可以看到一些极端案例
所以，图片处理的第一步就是确定海豚/鲸鱼的在图片中的位置，为此，我们使用了bounding box[YOLOv5].
Happywhale: BoundingBox [YOLOv5]
在这个代码中，我们将使用 YOLOv5 生成边界框。这么做的目的是为之后图像的crop提供方向，从而对大小各异的数据集图片进行裁剪，最终可以达到更好的分类结果.
我们使用 Whale Flute 数据集(另一个Kaggle竞赛数据，鲸鱼尾鳍定位)来训练和测试BoundingBox模型，我们总共有 1200 个带有边界框的样本。之后，我们将使用 Whale Flute 模型对我们的 Whale 和 Dolphin 数据集进行预测。
Whales Fluke 数据集中的边界框很大，而 Whales & Dolphin 数据集既有小边界框也有大边界框。 要调整此问题，您可以尝试更改 hyp.yaml 文件中的 scale 参数。 默认值为 0.5，您可以尝试增加该值。您也可以尝试将 bbox 放大，例如 1.5x 或 1.7x。 这将确保您不会裁剪到鲸鱼或海豚。
在确定好边界框的位置之后，我们继续对图像进行剪裁来得到我们分类所需要的图像
Happywhale: Cropped Dataset [YOLOv5]
最终，在调整大小之后，我们得到新的数据数据集图像。
数据集：JPEG Happywhale 384x384
!pip install timm !pip install pytorch-metric-learning[with-hooks]
开源的度量学习库pytorch-metric-learning，集成了当前常用的各种度量学习方法，是一个非常好用的工具。
import os
import glob
import pandas as pd
import numpy as np
import logging
import timm
from tqdm.notebook import tqdm #进度条
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader
from torchvision.io import ImageReadMode, read_image
from torchvision.transforms import Compose, Lambda, Normalize, AutoAugment, AutoAugmentPolicy
import pytorch_metric_learning
import pytorch_metric_learning.utils.logging_presets as LP
from pytorch_metric_learning.utils import common_functions
from pytorch_metric_learning import losses, miners, samplers, testers, trainers
from pytorch_metric_learning.utils.accuracy_calculator import AccuracyCalculator
from pytorch_metric_learning.utils.inference import InferenceModel
for handler in logging.root.handlers[:]:
logging.root.removeHandler(handler) # remove exactly the preexisting handler object
logging.getLogger().setLevel(logging.INFO) # 获取logger实例 指定日志的最低输出级别
logging.info("VERSION %s" % pytorch_metric_learning.__version__) # 打印库版本
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device) # cuda:0
print(torch.cuda.get_device_name(0)) # NVIDIA RTX A6000
参数
MODEL_NAME='tf_efficientnet_b4_ns' N_CLASSES=15587 #个体数 OUTPUT_SIZE = 1792 EMBEDDING_SIZE = 512 N_EPOCH=15 BATCH_SIZE=16 ACCUMULATION_STEPS = int(256 / BATCH_SIZE) MODEL_LR = 1e-3 PCT_START=0.3 PATIENCE=5 N_WORKER=2 N_NEIGHBOURS = 750读取csv数据
df = pd.read_csv('./happy-whale-and-dolphin/train.csv')
df.head()
df['label'] = df.groupby('individual_id').ngroup()
df['label'].describe()
实现了根据物种到标签数字的转化
df.groupby
groupby的过程就是将原有的Dataframe按照groupby的字段（这里是individual_id），划分为若干个分组Dataframe，被分为多少个组就有多少个分组Dataframe。Pandas教程 | 超好用的Groupby用法详解
GroupBy.ngroup(self, ascending:bool = True) return=每个组的唯一编号。
数据总结df.describe()
会返回一个有多个行的所有数字列的统计表，每个行是一个统计指标，有总数、平均数、标准差、最大最小值、四分位数等，对我们初步了解数据还是很有作用。 如果是一个时间类型则会按时间相关的如开始结束时间、周期等信息。
训练集和验证集
valid_proportion = 0.1 valid_df = df.sample(frac=valid_proportion, replace=False, random_state=1).copy() train_df = df[~df['image'].isin(valid_df['image'])].copy() print(train_df.shape) # (45930, 4) print(valid_df.shape) # (5103, 4)
Reset index on both since we want to use it for KNN lookups later:？
train_df.reset_index(drop=True, inplace=True) valid_df.reset_index(drop=True, inplace=True)读取图片数据
创建用于加载图像的dataset类。
class HappyWhaleDataset(Dataset):
def __init__(
self,
df: pd.Dataframe,
image_dir: str,
return_labels=True,
):
self.df = df
self.images = self.df["image"]
self.image_dir = image_dir
self.image_transform = Compose(
[
AutoAugment(AutoAugmentPolicy.IMAGENET),
Lambda(lambda x: x / 255),
]
)
self.return_labels = return_labels
def __len__(self):
return len(self.images)
def __getitem__(self, idx):
image_path = os.path.join(self.image_dir, self.images.iloc[idx])
image = read_image(path=image_path)
image = self.image_transform(image)
if self.return_labels:
label = self.df['label'].iloc[idx] # iloc函数：通过行号来取行数据
return image, label
else:
return image
train_dataset = HappyWhaleDataset(df=train_df, image_dir=TRAIN_DIR, return_labels=True) len(train_dataset)#45930 valid_dataset = HappyWhaleDataset(df=valid_df, image_dir=TRAIN_DIR, return_labels=True) len(valid_dataset)#5103
dataset_dict = {"train": train_dataset, "val": valid_dataset}
看一下训练集
未完待续…
