声明：开源只是为了方便大家交流学习，数据请勿用于商业用途！！！！转载或解读请注明出处，谢谢！
背景
很早之前开源过 pytorch 进行图像分类的代码（从实例掌握 pytorch 进行图像分类），历时两个多月的学习和总结，近期也做了升级。在此基础上写了一个 Ai Challenger 农作物竞赛的 baseline 供大家交流。
2018 年 12 月 13 日更新
新增数据集下载链接：百度网盘 提取码：iksk 数据集是 10 月 23 日 更新后的新数据集，包含训练集、验证集、测试集A/B. 另外最近有同学拿到类似的数据，想做分类的任务，但是这份代码是针对这次比赛开源的，在数据读取方式上会有区别，对于新手来说不太友好，我开源了一份针对图像分类任务的代码，并附上简单教程，相信看完后能比较轻松使用 pytorch 进行图像分类。
代码: pytorch-image-classification
2018年 10 月 30 日更新
新增 data_aug.py 用于线下数据增强，由于时间问题，这个比赛不再做啦，这些增强方式大家有需要可以研究一下，支持的增强方式：
- 高斯噪声
- 亮度变化
- 左右翻转
- 上下翻转
- 色彩抖动
- 对比度变化
- 锐度变化
注：对比度增强在可视化后，主观感觉特征更明显了，目前我还未跑完。提醒一下，如果做了对比度增强，在测试集的时候最好也做一下。
个人博客：超杰
比赛地址：农作物病害检测
完整代码地址：plants_disease_detection
注：
欢迎大佬学习交流啊，这份代码可改进的地方太多了,
如果大佬们有啥改进的意见请指导！
联系方式：[email protected]
成绩：线上 0.8805，线下0.875，由于划分存在随机性，可能复现会出现波动，已经尽可能排除随机种子的干扰了。
提醒
main.py 中的test函数已经修正，执行后在 ./submit/中会得到提交格式的 json 文件,现已支持 Focalloss 和交叉验证，需要的自行修改一下就可以了。
依赖中的 pytorch 版本请保持一致，不然可能会有一些小 BUG。
1. 依赖
python3.6 pytorch0.4.1
2. 关于数据的处理
首先说明，使用的数据为官方更新后的数据，并做了一个统计分析（下文会给出），最后决定删除第 44 类和第 45 类。 并且由于数据分布的原因，我将 train 和 val 数据集合并后，采用随机划分。
数据增强方式：
- RandomRotation(30)
- RandomHorizontalFlip()
- RandomVerticalFlip()
- RandomAffine(45)
图片尺寸选择了 650，暂时没有对这个尺寸进行调优（毕竟太忙了。。）
3. 模型选择
模型目前就尝试了 resnet50，后续有卡的话再说吧。。。
4. 超参数设置
详情在 config.py 中
5.使用方法
- 第一步：将测试集图片复制到
data/test/下 - 第二步：将训练集合验证集中的图片都复制到
data/temp/images/下，将两个json文件放到data/temp/labels/下 - 执行 move.py 文件
- 执行 main.py 进行训练
6.数据分布图
训练集
验证集
全部数据集
