yolov7训练NEU-DET

已于 2024-01-26 16:09:04 修改
阅读量1.3k 收藏 21
点赞数 6
文章标签： 深度学习
于 2023-03-16 09:55:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhang1112222/article/details/129558754
版权
本文介绍了如何下载东北大学宋克臣教授提供的中文表面缺陷数据库，以及如何将数据集转化为YOLOv7可使用的格式。过程包括环境配置、数据集处理、权重文件准备和训练。在数据处理中，涉及了VOC到YOLO格式的转换，并根据概率划分训练集和测试集。之后，文章提到了训练时可能遇到的问题及其解决方案。
摘要由CSDN通过智能技术生成

1、数据集下载：

东北大学教师个人主页 宋克臣--中文主页--NEU surface defect database

缺陷：'inclusion','crazing','patches','pitted_surface','rolled-in_scale','scratches'

2、yolov7下载

(2条消息) YOLOv7保姆级教程（个人踩坑无数）----训练自己的数据集_AmbitionToFree的博客-CSDN博客

下载链接：

GitHub - WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

3、环境

①使用自己原来的环境（但是torch版本不能等于1.12.0，torchvision不能等于0.13.0）

numpy库如果安装最新的1.24.1，会发生module numpy has no attribute int 错误，

1.24以上的版本可以把报错出的int改成inf。（我使用的是在官网粘贴的GPU运行环境,不知道为什么没有报错）

或者直接替换成numpy==1.23.0

python安装指定版本numpy_python中numpy版本-CSDN博客

pip install numpy==1.23.0

②创建一个新环境conda create -n yolov7 python=3.8（我的没成功）

输入y确认创建

激活yolov7：conda activate yolov7

然后cd切换至刚才下载解压后的yolov7-main文件夹中

输入：E:

输入：cd E:\01-test\yolov7-main

输入：


pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4、数据集处理

①查找缺陷名称

点开。xml文件，查找缺陷classes类型，在宋老师主页其实已经写出六种类型缺陷

最低0.47元/天 解锁文章
瓶困小张
关注
基于Yolov5的NEU-DET钢材表面缺陷检测，优化组合新颖程度较高：CVPR2023 DCNV3和InceptionNeXt，涨点明显
04-29 2987
通过引入CVPR2023 DCNV3和MetaNeXtStage思想，在钢铁缺陷中取得涨点，且相比较于发表的一些论文，创新新颖程度好很多，有需要自取可以在自己数据集进行实验，并很有可能发表论文成功哦！！！
涨点神器：CVPR2023 InceptionNeXt当Inception遇见ConvNeXt，在Yolov8即插即用，小目标检测涨点明显
05-18 2260
CVPR2023 InceptionNeXt当Inception遇见ConvNeXt，MetaNeXtStage在Yolov8即插即用，小目标检测涨点明显
NEU-DET.zip
07-25
NEU-DET.zip
基于YOLOv9的NEU-DET缺陷检测算法，具有切片操作的SimAM注意力，魔改SimAM
09-18 1058
有切片操作的SimAM注意力，魔改SimAM；原始mAP50为0.733提升至0.745
使用YOLOv5训练NEU-DET数据集
热门推荐
beyond谚语的博客
05-29 1万+
一、下载YOLOv5源码和NEU-DET(钢材表面缺陷)数据集 YOLOv5源码 NEU-DET(钢材表面缺陷)数据集 这里的数据集已经经过处理了，下载即可 若通过其他途径下载的原始数据集标签为xml格式，需要转化为txt格式XML转txt格式脚本 二、数据集准备 NEU-DET(钢材表面缺陷)数据集中一共有六个类别缺陷共计1770张 train为训练集、valid为验证集、data.yaml为配置文件存放不同数据集的路径 无论train训练集还是valid验证集都需要有两个子文件夹，images图像和l
NEU-DET，用于训练yolov10、yolov8、yolov5等
10-05
NEU-DET，用于训练yolov10、yolov8、yolov5等
学习笔记：NEU-DET用Yolov5训练
weixin_44502784的博客
04-24 731
接下来就是训练了，这部分解决的依赖和兼容问题比较多，不小心重装了一次Pytorch后成功运行（pytorch版本和一些库的兼容要自己根据报错调整下，重装后没选择CUDA版本导致我训练的时候用CPU跑半小时一轮，要注意安装CUDA版本并且在训练中调用好batch参数，我的笔记本1050ti，默认8的话只能利用50%把batch改成16后就可以跑满了）后，conda环境中也更新下对应CUDATOOLKIT，这样就可以在pytorch官网直接选择好对应环境和cuda的pytorch在conda里配置好）。
NEU-DET钢材表面缺陷共有六大类，其中训练集1260个图片，验证集361个图片，测试集180个图片 yolov8格式
12-25
NEU-DET钢材表面缺陷共有六大类，分别为：'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratches'。其中训练集1260个图片，验证集361个图片，测试集180个图片。 钢铁缺陷检测的重要性主要...
download-NEU-DET
05-29
download-NEU-DET
NEU-DET数据集
qq_44731259的博客
12-26 898
NEU-DET数据集中有部分pitted_surface类型的图片标注文件中filename没有“.jpg”格式后缀，可能会在使用cv2.imread()读取图片时造成影响。
NEU-Det使用PaddleDetection训练，部署模型转为ONNX格式
03-23 1359
PaddleDetection训练得到的模型转成ONNX，在Pyqt下进行调用
NEU-DET钢材表面缺陷检测数据集VOC+YOLO格式1799张6类别.7z
09-06
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：1799 标注数量(xml文件个数)：1799 标注数量(txt文件个数)：1799 标注类别数：6 标注类别名称:["crazing","inclusion","patches","pitted_surface","rolled-in_scale","scratches"] 每个类别标注的框数： crazing 框数 = 689 inclusion 框数 = 1011 patches 框数 = 878 pitted_surface 框数 = 432 rolled-in_scale 框数 = 628 scratches 框数 = 548 总框数：4186 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无
钢材表面缺陷数据集NEU-DET
05-29
钢材表面缺陷数据集NEU-DET
NEU表面缺陷检测数据集大全
11-09
NEU数据集大全，包含了原始数据集，扩展的64*64大小的分类数据集，缺陷定位（带有label）的数据集
基于Yolov8的NEU-DET钢材表面缺陷检测，优化组合新颖程度较高：CVPR2023 PConv和BiLevelRoutingAttention，涨点明显
09-10 3627
加入cvpr2023 PConv+BiLevelRoutingAttention，原始map@0.5为0.733，PConv为0.756，BiLevelRoutingAttention为0.746，PConv+BiLevelRoutingAttention为0.761，提供源码实验过程，创新新颖程度好很多，有需要自取可以在自己数据集进行实验，并很有可能发表论文成功哦！！！
基于YOLOv5的NEU-DET钢材表面缺陷任务，加入CFPNet、动态卷积ODConv、多个检测头提升精度
11-18 5774
Yolov5/Yolov7实战，加入四个检测头、即插即用的动态卷积ODConv提升检测精度、 ECVBlock（CFPNet即插即用，助力检测涨点）
钢材表面缺陷数据集NEU-DET：助力机器学习与计算机视觉研究
最新发布
gitblog_09781的博客
10-28 334
钢材表面缺陷数据集NEU-DET：助力机器学习与计算机视觉研究 【下载地址】钢材表面缺陷数据集NEU-DET 本仓库提供了一个名为“钢材表面缺陷数据集NEU-DET”的资源文件下载。该数据集包含了多种钢材表面的缺陷图像，适用于机器学习和计算机视觉领域的研究与应用 ...
YOLOv7环境安装及训练时的一些报错及解决方法
Tiger_DAHE的博客
04-08 2338
作者在实验的时候遇到了很多困难，写在这里希望能帮到更多人
基于YOLOv8的NEU-DET钢材表面缺陷检测任务，加入DCNv4和SPPF结合DCNv4提升检测精度
01-21 3011
本文主要内容:通过实战NEU-DET钢材表面缺陷检测任务，验证DCNv4和SPPF结合DCNv4的可行性；实验结果表明：原始YOLOv8n map0.5为0.768，DCNv4为0.774，SPPF结合DCNv4为0.775
yolov5训练NEU-DET
08-12
若想使用 YOLOv5 训练 NEU-DET 数据集，可以按照以下步骤进行操作： 1. 下载 NEU-DET 数据集： 首先，从数据集提供的来源下载 NEU-DET 数据集。确保你拥有训练图像和相应的标签文件。 2. 准备数据集： - 将训练图像放在一个文件夹中（如 `data/images/train/`）。 - 将与每个图像对应的标签文件放在另一个文件夹中（如 `data/labels/train/`），标签文件的格式应与 YOLOv5 要求的格式相匹配。 3. 创建数据集配置文件： 在 `data/` 目录下创建一个新的 `.yaml` 文件（如 `neu-det.yaml`），并按照以下格式填写文件内容： ```yaml train: path/to/train.txt val: path/to/val.txt nc: 6 # 类别数目 names: [crazing, inclusion, patches, pitted_surface, rolled-in_scale, scratches] # 类别名称 ``` - 将 `path/to/train.txt` 替换为包含训练图像路径的文本文件的路径。 - 将 `path/to/val.txt` 替换为包含验证图像路径的文本文件的路径。 - 将 `nc` 设置为数据集中的类别数目（在 NEU-DET 中为 6）。 - 将 `names` 设置为数据集中每个类别的名称列表。 4. 开始训练： 运行以下命令来启动训练过程： ```shell python train.py --img 640 --batch 16 --epochs 50 --data path/to/neu-det.yaml --weights yolov5s.pt ``` - `--img` 设置输入图像的大小（推荐使用 640 或 1280）。 - `--batch` 设置批量大小。 - `--epochs` 设置训练的轮数。 - `--data` 指定数据集配置文件的路径。 - `--weights` 指定预训练权重文件的路径，可以使用预训练的 YOLOv5 权重（如 `yolov5s.pt`）或者之前训练的权重文件。 5. 监控训练过程： 训练过程中会显示损失和其他指标，同时会在 `runs/train/` 目录下保存模型权重文件和训练日志。 这样，你就可以使用 YOLOv5 训练 NEU-DET 数据集了。记得替换命令中的路径参数为你自己的路径和设置适合你的训练参数。如果有其他问题，欢迎继续提问！
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值