基于Swin Transformer的家居垃圾分類系統(tǒng)

瞿定垚，王學(xué),

(1.河北工程大學(xué) 數(shù)理科學(xué)與工程學(xué)院，河北邯鄲，056038; 2.河北省計(jì)算光學(xué)成像與光電檢測技術(shù)創(chuàng)新中心，河北邯鄲，056038)

0 引言

中國是全世界人口最多的國家，在日常生活的過程中，會制造大量垃圾。在由生態(tài)環(huán)境部所公布的《2019年全國大、中城市固體廢物污染環(huán)境防治年報(bào)》中顯示，在2018年里，在全國中的200個(gè)大、中城市里生活垃圾產(chǎn)生量為21147 3萬噸，處置量為21028 9萬噸，處置率達(dá)到了99 4%[1]。雖然由數(shù)據(jù)顯示的處置率己經(jīng)很高了，只有其中少部分未被處理。但是這并不是全國所有城市的數(shù)據(jù)，除了生態(tài)環(huán)境部統(tǒng)計(jì)的這200個(gè)大、中城市，還有許多城市和落后的中小城鎮(zhèn)的數(shù)據(jù)并未被統(tǒng)計(jì)到，可以推斷出未被處理的生活垃圾仍有很多。在年報(bào)中，2013~2018年中國200個(gè)大、中城市生活垃圾產(chǎn)生量統(tǒng)計(jì)及增長情況，可以得出生活垃圾產(chǎn)生量以5-10%的增長速率逐年遞增[2]。在垃圾產(chǎn)量巨大的同時(shí)，處置垃圾的方法仍然十分落后。

我國解決垃圾分類主要依靠人工二次分揀，其弊端如下：

（1）二次分揀模式的參與主體是分類指導(dǎo)員，居民其實(shí)還是沒有真正地參與進(jìn)來，所以它解決不了居民參與率低的問題[3]；要讓居民真正地參與垃圾分類，從根本上還是要讓他們從源頭開始做好分類。

（2）二次分揀的對象是廚余垃圾，像可回收垃圾、有害垃圾等其他垃圾，分類指導(dǎo)員們都不分揀，所以沒有真正地達(dá)到生活垃圾的減量化、資源化、無害化[4]。

（3）此模式操作簡單，方法原始，效率低，安全性差，更談不上精細(xì)化管理運(yùn)營。因此靠“二次分揀”支撐的垃圾分類是走不長遠(yuǎn)的。

使用計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)自動(dòng)的垃圾分類識別，存在的問題是效率低，回收利用效率降低，安全性差[5]。精度差，價(jià)格昂貴。

針對居民參與率低的問題，我國應(yīng)該從垃圾產(chǎn)生源頭入手，以家居垃圾為研究環(huán)境，走出二次分揀的困境，使全民參與進(jìn)來，切實(shí)解決分類問題。針對垃圾數(shù)據(jù)集數(shù)據(jù)少、質(zhì)量較差、背景單一、存在標(biāo)注錯(cuò)誤的情況，神經(jīng)網(wǎng)絡(luò)無法全面、準(zhǔn)確分析、理解分類特征的問題，構(gòu)建大規(guī)模垃圾圖像數(shù)據(jù)庫是重要途徑。同時(shí)數(shù)據(jù)量的大幅增加與計(jì)算機(jī)硬件性能的提升，使得深度學(xué)習(xí)技術(shù)開始在計(jì)算機(jī)視覺領(lǐng)域大放異彩。由于其速度快、準(zhǔn)確率高的優(yōu)點(diǎn)，使得其在各個(gè)領(lǐng)域都取得了一定的成果。圖像分類在深度學(xué)習(xí)領(lǐng)域主要依靠CNN卷積神經(jīng)網(wǎng)絡(luò)和視覺Transformer圖卷積神經(jīng)網(wǎng)絡(luò)，由于家居環(huán)境對分類精度要求高，對推理速度要求較低，使用單圖像分類而不是目標(biāo)檢測。

1 系統(tǒng)組成

家居垃圾分類系統(tǒng)主要由三部分組成，構(gòu)建垃圾分類數(shù)據(jù)集、設(shè)計(jì)垃圾分類網(wǎng)絡(luò)和搭建安卓app。

首先，本文構(gòu)建垃圾分類數(shù)據(jù)集。數(shù)據(jù)集來源為：網(wǎng)絡(luò)爬蟲技術(shù)爬取生活中常見的各種家居垃圾圖片，將不符合要求的垃圾圖片剔除[6]；使用華為垃圾數(shù)據(jù)集中垃圾圖片，選擇符合要求的垃圾圖片數(shù)據(jù)；通過攝像設(shè)備收集邯鄲市河北工程大學(xué)生活中的常見家居垃圾圖片。通過數(shù)據(jù)增強(qiáng)方式，旋轉(zhuǎn)，鏡像，對比度，進(jìn)一步擴(kuò)大數(shù)據(jù)集。其次，本文設(shè)計(jì)垃圾分類網(wǎng)絡(luò)。比較CV領(lǐng)域中的CNN經(jīng)典圖像分類模型的優(yōu)缺點(diǎn)，設(shè)計(jì)實(shí)驗(yàn)選出適用于本課題的圖像分類模型[7][8][9]。通過NLP領(lǐng)域?qū)V領(lǐng)域的遷移，搭建了適用于本課題的圖像分類模型。通過遷移學(xué)習(xí)[10]，數(shù)據(jù)增強(qiáng)和添加全局注意力的方式，對網(wǎng)絡(luò)進(jìn)行了優(yōu)化。最后，搭建了安卓端口app,對訓(xùn)練好了的模型成功進(jìn)行了轉(zhuǎn)換和量化，將自己訓(xùn)練好了的深度學(xué)習(xí)模型移植到了手機(jī)安卓app上。垃圾分類系統(tǒng)框架圖如圖1所示。

圖1 垃圾分類系統(tǒng)框架圖

■ 1.1 Swin transformer簡介

Transformer在NLP領(lǐng)域應(yīng)用十分廣泛，但是在CV領(lǐng)域的應(yīng)用存在很多困難，這源自于兩類任務(wù)的本質(zhì)區(qū)別，例如CV里物體尺寸變化很大，模型需要處理不同尺度的同類物體，而在NLP領(lǐng)域，把word tokens作為基本要素，并不存在以上問題。同時(shí)圖片分辨率高，自注意力如果逐像素計(jì)算成本過高[11]。

Swin Transformer 是一種新型的transformer，可以用作視覺和語言處理的統(tǒng)一模型， 引出了一種具有層級的特征表達(dá)方式和具有線性的計(jì)算復(fù)雜度。Swin Transformer有兩個(gè)特征： (1) 層級特征結(jié)構(gòu)；(2) 線性復(fù)雜度。層級特征結(jié)構(gòu)使得本模型適用于 FPN 或者 U-Net 模型；線性復(fù)雜度是因?yàn)槭褂胠ocal window self-attention[12]。這些特點(diǎn)使得本模型可以作為一種通用模型用于各種視覺任務(wù)。在目標(biāo)檢測、圖像分割等視覺任務(wù)中，Swin Transformer 均得到了SOTA 的結(jié)果。

Swin Transformer在上游任務(wù)取得了極好的成績，可拿來可直接做下游任務(wù)，并且效果很好。本文選擇了swin_base_patch4_window12_384_in22k作為預(yù)訓(xùn)練模型，在保持高精度的同時(shí)推理速度也適用于家居垃圾分類任務(wù)，并在后續(xù)的任務(wù)中加速了推理速度。

■ 1.2 訓(xùn)練流程

首先輸入像素384×384圖片到Patch Partition模塊中進(jìn)行分塊，即每4×4相鄰的像素為一個(gè)Patch，然后在channel方向展平（flatten）。本文輸入的是RGB三通道圖片，每個(gè)patch就有4×4=16個(gè)像素，然后每個(gè)像素有R、G、B三個(gè)值，展平后是16×3=48，所以通過Patch Partition后圖像shape由 [H, W, 3]變成了 [H/4, W/4, 48]。然后在通過Linear Embeding層對每個(gè)像素的channel數(shù)據(jù)做線性變換，由48變成C，即圖像shape再由 [H/4, W/4, 48]變成了 [H/4, W/4, C]。其實(shí)在源碼中Patch Partition和Linear Embeding就是直接通過一個(gè)卷積層實(shí)現(xiàn)的。

然后就是通過四個(gè)Stage構(gòu)建不同大小的特征圖，除了Stage1中先通過一個(gè)Linear Embeding層外，剩下三個(gè)stage都是先通過一個(gè)Patch Merging層進(jìn)行下采樣，然后都是重復(fù)堆疊Swin transformer Block。Swin transformer 網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 Swin transformer網(wǎng)絡(luò)結(jié)構(gòu)

這里的Block有兩種結(jié)構(gòu)，如圖3所示，這兩種結(jié)構(gòu)的不同之處僅在于一個(gè)使用了W-MSA結(jié)構(gòu)，一個(gè)使用了SW-MSA結(jié)構(gòu)[13]。而且這兩個(gè)結(jié)構(gòu)是成對使用的，先使用一個(gè)W-MSA結(jié)構(gòu)再使用一個(gè)SW-MSA結(jié)構(gòu)，堆疊Swin Transformer Block的次數(shù)都是偶數(shù)。

圖3 Swin transformer 兩種blocks結(jié)構(gòu)

最后對于圖像分類網(wǎng)絡(luò)，后面還會接上一個(gè)Layer Norm層、全局池化層以及全連接層得到最終輸出。

2 模型優(yōu)化與算法改進(jìn)

■ 2.1 模型優(yōu)化

2.1.1 數(shù)據(jù)增強(qiáng)

數(shù)據(jù)增強(qiáng)：通過旋轉(zhuǎn)，鏡像，對比度的方法擴(kuò)充了約54000張圖片用于訓(xùn)練，對擴(kuò)充后的數(shù)據(jù)集圖像數(shù)據(jù)進(jìn)行預(yù)處理，增加模型的魯棒性和模型泛化能力[14]。

2.1.2 遷移學(xué)習(xí)

微調(diào) Fine-tuning:將在大數(shù)據(jù)集上訓(xùn)練得到的weights作為特定任務(wù)（小數(shù)據(jù)集）的初始化權(quán)重，重新訓(xùn)練該網(wǎng)絡(luò)（根據(jù)需要，修改全連接層輸出）[15]。訓(xùn)練的方式可以是：(1)微調(diào)所有層，(2)固定網(wǎng)絡(luò)前面幾層權(quán)重，只微調(diào)網(wǎng)絡(luò)的后面幾層，這樣做有兩個(gè)原因：A 避免因數(shù)據(jù)量小造成過擬合現(xiàn)象；B CNN前幾層的特征中包含更多的一般特征（比如，邊緣信息，色彩信息等），這對許多任務(wù)來說是非常有用的，但是CNN后面幾層的特征學(xué)習(xí)注重高層特征，也就是語義特征，這是針對于數(shù)據(jù)集而言的，不同的數(shù)據(jù)集后面幾層學(xué)習(xí)的語義特征也是完全不同的[16]，本文選擇訓(xùn)練方式2。

網(wǎng)絡(luò)微調(diào)是一項(xiàng)非常強(qiáng)大的技術(shù)，無需從頭開始訓(xùn)練整個(gè)網(wǎng)絡(luò)，“快速啟動(dòng)”學(xué)習(xí)，最終得到更高精度的遷移學(xué)習(xí)模型，同時(shí)節(jié)省了計(jì)算資源[17]。

■ 2.2 模型改進(jìn)

在swin transformer基礎(chǔ)上加入了NLP領(lǐng)域的全局注意力Global Attention[18~20]。Global Attention的目的：Gobal Attention的目的是為了在生成上下文向量，用來處理文本信息的,單詞和句子存在聯(lián)系，局部像素點(diǎn)也和全圖存在聯(lián)系[21]。transformer是用來處理文本信息的，現(xiàn)在可以用來處理CV領(lǐng)域的圖像信息。swin transformer在CV領(lǐng)域起到了突破性的重大作用，選擇在swin transformer的head前 邊插 入Global Attention，經(jīng)過訓(xùn)練，精度得到了提升。全局注意力如圖4所示。

圖4 全局注意力

改進(jìn)實(shí)驗(yàn)分為三組，插入一層Gobal Attention，命名模型為Swin transformer-A；插入兩層Gobal Attention，命名模型為Swin transformer-B；插入三層Gobal Attention命名為Swin transformer-C。使用基于微調(diào)的遷移學(xué)習(xí)，固定部分層數(shù)的權(quán)重，插入一層Gobal Attention模型訓(xùn)練層數(shù)如下代碼。

“training layers 4 norm1 weight

training layers 4 norm1 bias

training layers 4 attn qkv weight

training layers 4 attn qkv bias

training layers 4 attn proj weight

training layers 4 attn proj bias

training layers 4 norm2 weight

training layers 4 norm2 bias

training layers 4 mlp fc1 weight

training layers 4 mlp fc1 bias

training layers 4 mlp fc2 weight

training layers 4 mlp fc2 bias

training head weight

training head bias”

插入兩層和三層就是將代碼中的layers 4進(jìn)行堆疊。

3 垃圾分類實(shí)驗(yàn)

■ 3.1 獲取數(shù)據(jù)集

實(shí)驗(yàn)整理的原始數(shù)據(jù)集共20022張，約13000張來自華為云比賽數(shù)據(jù)集，7022張自己收集標(biāo)注。提前做好四分類，O代表other waste，H代表harm garbage，K代表kitchen waste，R 代表recyclable garbage，小類別共計(jì)40類。途徑來自于拍攝，網(wǎng)絡(luò)爬蟲爬取，網(wǎng)上下載以及截取等方式。將其標(biāo)注好，放在同一類別的文件夾中，小類別共計(jì)40類。后來考慮到部分種類垃圾數(shù)量較少，使用數(shù)據(jù)增強(qiáng)的手段，通過鏡像，旋轉(zhuǎn)，對比度三種方式，擴(kuò)充了數(shù)據(jù)集約54000張用于訓(xùn)練。由于旋轉(zhuǎn)角度有的圖像會缺失信息，所以對擴(kuò)充的數(shù)據(jù)進(jìn)行清洗，然后重新歸類，初始數(shù)據(jù)集類別和數(shù)量如圖5所示。

圖5 初始數(shù)據(jù)集類別以及種類

■3.2 實(shí)驗(yàn)結(jié)果與分析

將家居垃圾數(shù)據(jù)集按照9:1的比例分為訓(xùn)練集和驗(yàn)證集，18035張用于訓(xùn)練，1987張用于驗(yàn)證。對訓(xùn)練集使用數(shù)據(jù)增強(qiáng)后，72035張用于訓(xùn)練，驗(yàn)證數(shù)量不變。使用預(yù)訓(xùn)練 權(quán) 重 swin_base_patch4_window12_384_in22k pth，模型準(zhǔn)確率如表1所示。

表1 不同模型準(zhǔn)確率

9 ConvNeXt-Base+遷移學(xué)習(xí)+數(shù)據(jù)增強(qiáng) 有 64 4 100 97 2%97 2%10 VIsion tranfformer-Base+遷移學(xué)習(xí)+數(shù)據(jù)增強(qiáng) 有 64 4 100 99 2%96 8%

通過該表，得出遷移學(xué)習(xí)和數(shù)據(jù)增強(qiáng)和全局注意力機(jī)制都能有效提升模型的精度。消融實(shí)驗(yàn)可以看出，在數(shù)據(jù)量小的時(shí)候，全局注意力提升的效果較好，使用數(shù)據(jù)增強(qiáng)后，仍然可以提升模型精度，提升幅度會變小。說明全局注意力和數(shù)據(jù)增強(qiáng)以及遷移學(xué)習(xí)改善網(wǎng)絡(luò)性能有部分重合了，組合在一起時(shí)效果最好。實(shí)驗(yàn)8，9，10是和前四個(gè)實(shí)驗(yàn)進(jìn)行對比，在同量級參數(shù)下看模型效果，Efficientnetv2選擇m模型[22]，pytorch架構(gòu)下無預(yù)訓(xùn)練權(quán)重，使用工具將Tensorflow下ImageNet-21K預(yù)訓(xùn)練權(quán)重轉(zhuǎn)換為Pytorch架構(gòu)下可以使用；ConNeXt選 擇 convnext_base_22k_224 pth 預(yù) 訓(xùn) 練權(quán)重[23]；vision transformer選擇vit_base_patch16_224_in21k pth作為預(yù)訓(xùn)練權(quán)重[24]。

垃圾40分類最優(yōu)模型混淆矩陣如圖6所示。

圖6 垃圾40分類混淆矩陣

通過對每個(gè)類別的分析，誤差主要集中在可回收物瓶罐這些物品中，實(shí)際生活中只需要一級分類標(biāo)準(zhǔn)就可以了。使用一級標(biāo)準(zhǔn)，重新訓(xùn)練4分類。選擇上邊最優(yōu)模型和策略，72084張用于訓(xùn)練，2001張用于驗(yàn)證，Train acc99 8%,Val acc99 2%，再次驗(yàn)證模型性能很強(qiáng)。

垃圾40分類每個(gè)類別的精確率，召回率，特異度如表2所示。

表2 每個(gè)類別的精確率、召回率、特異度

K_Fruit pulp 0 95 0 983 0 998 K_Leaves edible orange roots 0 964 1 0 0 998 K_Tea leaves 1 0 1 0 1 0 K_The shell 1 0 0 977 1 0 K_leftovers 0 936 0 957 0 998 O_Broken flowerpots and dishes 0 978 0 978 0 999 O_Cigarette butts 0 977 0 977 0 999 O_Disposable snack box 0 977 0 955 0 999 O_Stained plastic 0 978 0 938 0 999 O_chopstick 0 976 0 976 0 999 O_toothpick 0 9 1 0 0 999 R_Charging treasure 1 0 0 98 1 0 R_Cosmetics bottles 0 98 0 98 0 999 R_Courier bags 1 0 1 0 1 0 R_Edible oil drum 0 957 1 0 0 999 R_Leather shoes 1 0 0 98 1 0 R_Metal food can 0 974 0 949 0 999 R_Old clothes 0 977 0 956 0 999 R_Plastic bowl tub 0 986 0 986 0 999 R_Plastic hangers 1 0 0 98 1 0 R_Plastic toys 1 0 0 973 1 0 R_Plug wire 1 0 0 976 1 0 R_Plush toys 0 987 0 987 0 999 R_Shampoo bottle 1 0 0 976 1 0 R_Spice bottles 1 0 0 911 1 0 R_The bottle 0 929 1 0 0 998 R_The glass 0 966 0 983 0 999 R_cans 0 959 0 959 0 999 R_carton 1 0 1 0 1 0 R_cutting board 1 0 1 0 1 0 R_drink bottle 0 947 0 947 0 999 R_package 0 948 1 0 0 998 R_pan 1 0 1 0 1 0 R_pillow 0 915 0 956 0 998

40垃圾分類最優(yōu)模型訓(xùn)練過程如圖7所示。

通過遷移學(xué)習(xí)，從曲線中可以看出模型收斂的很快，損失下降的很快并且到達(dá)了較低值，驗(yàn)證集準(zhǔn)確率很快得到了最優(yōu)解。訓(xùn)練集損失穩(wěn)定下降，訓(xùn)練集準(zhǔn)確率穩(wěn)定提升。在數(shù)據(jù)集復(fù)雜度更高的情況下，已經(jīng)超過了華為2019年垃圾分類挑戰(zhàn)杯的方案，40垃圾分類的準(zhǔn)確率達(dá)到了97 63%，超過了它的96 96%，并且參數(shù)量只占他的14，flops只占12。

Python垃圾圖片測試結(jié)果如圖8所示，推理結(jié)果全部正確。

圖8 python可視化測試結(jié)果

4 應(yīng)用開發(fā)

■ 4.1 模型轉(zhuǎn)換

4.1.1 模型轉(zhuǎn)換預(yù)處理

Pytorch的模型文件一般會保存為 pth文件，C++接口一般讀取的是 pt文件，因此，C++在調(diào)用Pytorch訓(xùn)練好的模型文件的時(shí)候就需要進(jìn)行一個(gè)轉(zhuǎn)換，轉(zhuǎn)換為 pt文件，才能夠讀取。

預(yù)處理如下：

在轉(zhuǎn)換的時(shí)候，首先就需要先將模型文件讀取進(jìn)來，然后利用pytorch提供的函數(shù)torch jit trace進(jìn)行轉(zhuǎn)換。PyTorch 一個(gè)算子可能會導(dǎo)出ONNX很多的膠水算子，計(jì)算圖變復(fù)雜，導(dǎo)致推理效率下降。使用onnx simply庫對onnx文件簡化，使網(wǎng)絡(luò)結(jié)構(gòu)更加精簡，消除細(xì)碎op。

4.1.2 模型轉(zhuǎn)換方式以及結(jié)果

PyTorch -> ONNX -> 第三方后端（主流方式），第三方后端有 TensorRT，MNN，NCNN等，這樣的優(yōu)勢是不同的后端在目標(biāo)平臺都有相對應(yīng)的優(yōu)化，可以獲得最快的推理速度，但問題是第三方后端對onnx算子的支持優(yōu)化，會有運(yùn)行不了的問題[25]。

方案：Pytorch -> MNN：pytorch -> onnx -> MNN。

結(jié)果：模型轉(zhuǎn)換成功，python和C++調(diào)用結(jié)果一致。

■ 4.2 模型量化

轉(zhuǎn)化成mnn模型雖然可以進(jìn)行推理，模型文件較大或者運(yùn)行較慢的情況特別是在移動(dòng)設(shè)備等邊緣設(shè)備上，算力和儲存空間受限因此壓縮模型是一個(gè)急需的工作，本文所做的工作為離線量化[26,27]。

原模型轉(zhuǎn)換后數(shù)據(jù)類型為Fp32,由于模型太大370MB，使用轉(zhuǎn)換工具做了量化處理，壓縮模型的大小，同時(shí)可以加速模型的推理速度。模型量化如表3所示。

表3 模型量化

使用python和c++對同一張圖片進(jìn)行結(jié)果測試，輸出一致，說明模型轉(zhuǎn)換和模型量化沒有問題。Fp16量化和Int8量化后的模型可以正常推理，并且可以顯示出置信度。Int2量化后的模型圖像推理時(shí)候無任何反應(yīng)，結(jié)構(gòu)壓縮太多，出現(xiàn)了精度失真的情況。最終量化選擇Fp16量化和Int8量化。

■ 4.3 app 開發(fā)

(1)模型準(zhǔn)備，留下以下兩個(gè)模型model-87_384_sim_fp16和model-87_384_sim_int8。

(2)創(chuàng)建工程。創(chuàng)建Android工程，打開Android Studio新建一個(gè)Native C++工程，配置好JDK 、SDK 、NDK。

(3)模型導(dǎo)入。將步驟(1)中生成的兩個(gè)文件復(fù)制到步驟(2)中的新工程中，存放的目錄為“F:swintransformerappsrcmainassets”。這兩個(gè)模型都可以使用，在后續(xù)的“MainActivity java”可以自由選擇切換。

(4)添加標(biāo)簽文件。在“app”目錄下創(chuàng)建名為“F:swintransformerappsrcmainjni”的文件，將本文需要分類的類別在這個(gè)“swimtransformer_jni cpp”文件中，共40類。編寫MNN進(jìn)行模型推理，根據(jù)自己的模型，編寫jni調(diào)用MNN進(jìn)行模型推理

(5)模型分類。在“app”目錄下創(chuàng)建名為“swintrans former java”的文件，在里面添加模型分類的代碼，主要包含了以下功能：目標(biāo)圖像讀取、目標(biāo)圖像預(yù)處理、模型加載、模型前向推理、模型預(yù)測結(jié)果。在圖像的預(yù)處理中，需要對圖像進(jìn)行歸一化處理，同時(shí)統(tǒng)一縮放為 384×384 大小。

(6) 界面設(shè)計(jì)和操作邏輯設(shè)計(jì)。在“app”目錄下創(chuàng)建名為“MainActivity java”的文件，寫入調(diào)用相冊、文件管理器、瀏覽器的函數(shù)以及一些操作的邏輯。創(chuàng)建“ xml”的文件，編輯 App 的界面顯示，完成 App的開發(fā)[28,29]。

■ 4.4 app 測試

4.4.1 app 界面以及操作方式

圖形界面主要分為三個(gè)按鈕，選圖、CPU識別、GPU識別。進(jìn)入界面后，下方會彈出“Copy model to data”和“Copy model to success”。之后就可以從相冊選圖或者文件管理或者瀏覽器選擇圖片進(jìn)行識別。

4.4.2 app 單張圖片測試分析

使用單張圖片測試模型量化和模型轉(zhuǎn)換有無推理精度損失，選出最優(yōu)搭配下的app。具體測試方案和結(jié)果如下：選取Mix2s、Note 10 pro、Redmi K40 在不同量化模型下，分別進(jìn)行同一張圖像用cpu 和gpu識別，評價(jià)指標(biāo)分為準(zhǔn)確率和推理速度。測試原圖與python測試圖如圖9所示，方便與表4進(jìn)行結(jié)果對比。

圖9 測試原圖與python測試可視化

python推理圖9(a)花費(fèi)時(shí)間400ms，結(jié)果如圖9(b)，使用設(shè)備 GPU2080TI。

App具體測試圖9(a)結(jié)果如表4所示。

表4 APP測試圖a結(jié)果

結(jié)論：

（1）在單一量化時(shí)，硬件設(shè)備越好，推理速度越快，精度越高。

（2） int8量化效果比Fp16量化效果更好，用同一款手機(jī)測試同一張圖片時(shí)候，精度和推理速度都得到部分提升；相比原模型Fp32數(shù)據(jù)推理同一張圖片時(shí)，無精度損失。

（3） 使用Mnn加速優(yōu)化后，用同一款手機(jī)測試同一張圖片時(shí)候，推理速度得到了再一次的提升，但是精度對于不同的機(jī)型表現(xiàn)略有不同，但總體趨勢是下降的。

（4）在不同安卓版本和不同分辨率下下的不同機(jī)型，該App都能完美適用。手機(jī)移動(dòng)邊緣設(shè)備與顯卡算力差距很大，手機(jī)推理速度經(jīng)過優(yōu)化滿足日常操作時(shí)長需要。

4.4.3 app 可視化

本次app可視化測試選擇機(jī)型Mix2s，選擇模型為Int8量化，加速推理使用MNN優(yōu)化，圖形測試選擇三張圖片，分別使用cpu和gpu推理。評價(jià)指標(biāo)分為準(zhǔn)確率和推理速度，圖像推理會顯示出前TOP5的標(biāo)簽和概率，標(biāo)簽按照概率大小依次排列。可視化結(jié)果如圖10所示。

App測試可視化推理結(jié)果全部正確，推理速度滿足日常使用。

5 結(jié)論

通過對各種深度學(xué)習(xí)圖像算法進(jìn)行研究，加上了大量的訓(xùn)練策略，并且對網(wǎng)絡(luò)進(jìn)行了改進(jìn)，最終得到超過現(xiàn)有技術(shù)的精度。在保持高精度的前提下，盡量提升推理速度，對模型進(jìn)行量化，使之可以移植到安卓嵌入式設(shè)備的智能垃圾分類應(yīng)用。通過模型轉(zhuǎn)換，使其用手機(jī)的cpu和gpu推理，徹底擺脫通信的束縛，在深度學(xué)習(xí)的多種部署方式中具有高度便攜性 、通用性 、經(jīng)濟(jì)適用性性的特點(diǎn)。除此之外，使用MNN優(yōu)化加速了推理速度。由于構(gòu)建并使用一個(gè)龐大的數(shù)據(jù)集進(jìn)行訓(xùn)練，模型的泛化性能較好，適用于生活中的各種場景。