Классификация мусора

Обученная нейронная сеть с архитектурой EfficientNetB3 для классификации мусора. Для удобного использования разработан оконный интерфейс на PyQT5.

Запуск приложения с GUI

1. Установить все зависимости из requirements.txt
2. Скачать обученную модель
3. Запустить выполнение main.py

Ручной запуск классификации (garbage_classifier)

• Изменить значение store_path в garbage_classifier.py
• Запустить garbage_classifier.py

О нейросетевой модели

Нейросеть обучена на датасете 12 классов (количество изображений > 15 000).

Типы отходов, на которых обучена модель:

1. Батарея
2. Биологические отходы
3. Коричневое стекло
4. Зеленое стекло
5. Белое (прозрачное) стекло
6. Картон
7. Бумага (журналы, газеты и тд.)
8. Одежда
9. Метал
10. Пластик
11. Обувь
12. Несортируемые отходы

Датасет можно скачать по адресу.

Код, на котором обучалась нейросеть можно найти в Jupiter Notebook.

P.S.

Классификатор по умолчанию выводит усредненный результат по классификации всех изображений в выбранной директории. Следовательно, чтобы не путать модель, в директории должны лежать только изображения из одного класса мусора.

Чтобы получить индивидуальные результаты классификации по каждому изображению, следует вызывать классификатор (predict) с параметром averaged=False. Результаты возвращаются в DataFrame.