image-processing-by-dl

Studying recording about image processing by deep learning based on Pytorch and OpenMMLab

My Environments

ubuntu: 18.04
python: 3.8.0
pytorch: 1.8.2
torchvision: 0.9.2
cuda: 10.2
mmcv-full: 1.5.0
mmclassification: 0.23.0

根据 mmcls 官方的 colab 教程下载版本对应的 mmcv-full 的命令：

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.2/index.html 

参考

WZMIAOMIAO （本项目的 Pytorch 代码和图片基本来自这位大佬的库和博客）

花书 pytorch 版

花书官网

paper reading

OpenMMLab CodeBase

windows 需要注意的地方

代码中 num_workers 需要改为 0

# 原来
train_set = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transform, num_workers=4)
# 改为
train_set = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transform, num_workers=0)

Google Colab 的使用

如果缺乏 GPU 资源（比如我），可以使用 Google Colab

前提：会翻墙

Pytorch 参考流程

OpenMMLab 参考流程

数据集

Tiny Imagenet 200 (还是太大了，训练起来太慢就没有使用)

下载地址： http://cs231n.stanford.edu/tiny-imagenet-200.zip

花分类数据集 (本项目都用的这个数据集做训练)

https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/data_set

预处理脚本:

• 基于 Pytorch

  • mmclassification/data/split_data.py (来自 WZMIAOMIAO)：把数据集变成 ImageNet 格式

• 基于 OpenMMLab

  • mmclassification/data/split_data.py (来自 WZMIAOMIAO)：把数据集变成 ImageNet 格式
  • mmclassification/data/data_process.py：处理 OpenMMLab 需要的三个文件 classes.txt / train_annotations.txt / val_annotations.txt