基于pytorch实现的 MobileViT 的图像识别（迁移学习）

1、介绍

MobileViT 轻量级的分类识别网络，结合了CNN卷积和Transformer 混合的网络架构

关于更多介绍可以自行百度，本文通过pytorch+python进行实现 

更多基础的图像分类网络，参考：图像分类_听风吹等浪起的博客-CSDN博客

2、相关代码及展示

目录如下：代码下载：基于MobileViT的xxs、xs、s版本实现的30种球类运动迁移学习分类实战【包含数据集+完整代码+训练结果】资源-CSDN文库

mobileViT 官方好像有三种大小：xxs、xs、s，对应不同大小，这里一并实现

2.1 数据集

数据集的放置仍然采用目录的形式，需要自行划分训练集+验证集+测试集

训练集用于网络训练、验证集用于微调训练参数、测试集用于评估网络性能

数据集如下：

这里把路径名称写好了，可以改代码，或者觉得麻烦，直接按照参考命名数据集即可

这里的图像增强就是简单的翻转，如下：

def data_trans(train_mean=[0.485, 0.456, 0.406], train_std=[0.229, 0.224, 0.225]):# 预处理train_transform = transforms.Compose([transforms.Resize(256),transforms.CenterCrop(224),transforms.RandomHorizontalFlip(p=0.5),       # 水平翻转transforms.RandomVerticalFlip(p=0.5),         # 垂直翻转transforms.ToTensor(),transforms.Normalize(train_mean, train_std)])val_transform = transforms.Compose([transforms.Resize(256),transforms.CenterCrop(224),transforms.ToTensor(),transforms.Normalize(train_mean, train_std)])return train_transform,val_transform

2.2 训练脚本

训练的超参数如下：脚本为train.py 

冻结权重，是指只训练分类器的部分，否则全部重头训练。

这里选择xxs、xs、s版本后，会自动导入官方的预训练权重，因此冻结参数也可以

不需要指定网络分类的个数，代码会根据数据集自动生成！

    parser = argparse.ArgumentParser(description="image classification")parser.add_argument("--model", default='s', type=str,help='xxs,xs,s')    # 选择版本parser.add_argument("--batch-size", default=8, type=int)parser.add_argument("--epochs", default=5, type=int)parser.add_argument('--lr', default=0.0002, type=float)parser.add_argument('--freeze-layers', type=bool, default=True)          # 是否冻结权重

优化器采用AdamW，损失为多元交叉熵损失

训练过程如下：

这里可视化进度条的描述，是每个batch的正确率和损失，下面打印的是整个数据集的准确率和损失

结果曲线为：

生成结果：

2.3 验证脚本

验证脚本为：val.py 函数

    parser.add_argument("--model", default='s', type=str,help='xxs,xs,s')    # 选择版本parser.add_argument("--pth", default='runs/train/weights/best.pth', type=str,help='best,last')parser.add_argument("--data", default='data/val', type=str,help='data path')

这里自动载入最好的结果进行评估网络，结果如下

2.4 推理脚本

脚本为 infer.py

    parser.add_argument("--model", default='s', type=str,help='xxs,xs,s')    # 选择版本parser.add_argument("--pth", default='runs/train/weights/best.pth', type=str,help='best,last')parser.add_argument("--data", default='test.jpg', type=str,help='image path')

传入单张图片即可进行推理：