导给下了任务,需要拿到表面检测数据以后搞个分类功能。之前我做的都是一维时序信号的处理,勉勉强强能凑个三区文章出来,这次这个缺陷检测我目前在b站上看了一下教程,打算先了解个大概。
放参考链接:【【附源码】YOLO系列教程之缺陷检测实战(钢材表面划痕、裂纹,布料表面脏污、染色不均等)-哔哩哔哩】 https://b23.tv/dNwhKIm
关于项目前期的思考和问题预判:
数据集和预处理:
- 数据集是否存在类别不均衡问题,该如何解决。是生成数据进行数据增强还是把原始图像进行翻转旋转之类的操作生成新图像。或者在模型方面进行改进。
- 比较容易混淆的类别是哪些,是否可以尝试先分大类再分小类这样的训练过程。
- 图像数据的预处理需要查找,现在找到的就是中值滤波。
分类模型:
- 图像数据集目前还没有标注,但后续可能会有每张图像上的缺陷的物理特征,类似长度宽度和面积,是采用多模态算法,同时输入一维和二维信息,还是采用图像分类算法。
- yolov5分类算法在其他数据集(Imagenet、NEU-CLS等其他数据集)上进行预训练,即在数据集上先训练完后保存最佳参数,之后在项目数据集上训练。这个过程应该算是模型微调
NEU-CLS数据集链接:东北大学主页平台 宋克臣--中文主页--NEU surface defect database