yolov7训练NEU-DET

已于 2024-01-26 16:09:04 修改
阅读量1.5k 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。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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
零件缺陷检测 - 基于YOLOv5与UI界面的实现
m0_52343631的博客
02-05 579
至此，我们完成了YOLOv5模型的训练、缺陷检测和UI界面的开发。用户通过Web界面上传图像，系统自动进行零件缺陷检测并显示结果。app.py：Flask应用程序代码。：UI界面HTML文件。：保存检测结果的文件。通过结合YOLOv5与UI界面，我们成功构建了一个零件缺陷检测系统。该系统能够准确地识别工业零件上的缺陷，如裂纹、划痕、凹陷等，具有很高的实时性和准确性。未来，我们可以进一步优化模型，增加更多的缺陷类型，并将系统部署到工业生产线上，实现自动化检测。
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 2518
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，用于训练yolov10、yolov8、yolov5等
10-05
NEU-DET，用于训练yolov10、yolov8、yolov5等
NEU-DET.zip
07-25
NEU-DET.zip
（全程记录yolov7入门到实现训练）跟着炮哥yolov5教程自学yolov7，接触yolov7半天，成功实现训练
weixin_46709801的博客
11-13 7688
本文记录我自学yolov7的全过程，找数据集->筛选照片并重命名->labelimg打标签->voc转txt并按比例划分数据集->github下载yolov7模型和yolov7.pt参数文件->配置模型、数据yaml文件->修改train文件运行并通过tensorboard查看
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
学习笔记：NEU-DET用Yolov5训练
weixin_44502784的博客
04-24 1035
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）。
yolov5检测NEU-DET数据集_yolov5-NEU-DET.zip
09-29
在该项目中，“yolov5-NEU-DET-master”很可能是指项目的根目录文件夹，它包含了一系列与该项目相关的文件和子目录。在这个主目录下，通常会有一个或多个版本的yolov5模型文件，这些文件可能包含了模型的权重、结构...
基于yolov8的NEU-DET钢材缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip
09-06
NEU-DET系统采用了yolov8作为核心检测算法，通过深度学习模型对钢材表面图像进行处理，以识别并分类出包括裂纹(crazing)、夹杂物(inclusion)、斑点(patches)、点蚀表面(pitted_surface)、轧入氧化皮(rolled-in_scale...
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（包括1800张图片，1800个xml文件，1800个txt文件）
09-19
由东北大学（NEU）发布的表面缺陷数据库，该数据库包括1,800个灰度图像，收集了热轧钢带的六种典型表面缺陷，即轧制氧化皮（rolled-in_scale），斑块（patches），开裂（crazing），点蚀表面（pitted-surface），内含物（inclusion）和划痕（scratches），每一类缺陷包含300个样本。对于缺陷检测任务，数据集提供了注释，指示每个图像中缺陷的类别和位置。文件包括 （1）1800张图像 （2）1800个对应的VOC格式标签xml文件 （3）1800个对应的yolo格式标签txt文件，txt文本中 0 对应 crazing 1 对应 inclusion 2 对应 patches 3 对应 pitted_surface 4 对应 rolled-in_scale 5 对应 scratches
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
[特殊字符] NEU-DET：基于YOLOv10的冷轧钢表面缺陷识别系统构建（含UI界面与完整代码）
最新发布
m0_52343631的博客
04-06 412
来源：东北大学表面检测实验室（NEU）数量：1800 张图像，6 类缺陷，每类 300 张图像图像尺寸：200 × 200标签：无原生YOLO格式标签，需手动标注或使用开源标注工具生成YOLOv10 是 YOLO 系列的最新演进版本，兼顾了速度、精度与轻量部署的需求。成功完成 NEU-DET 数据集的缺陷检测建模；采用 YOLOv10 实现高精度快速检测；自主构建 UI 界面，支持图像可视交互；系统可扩展、适合工业生产线部署。
NEU-DET数据集
qq_44731259的博客
12-26 1033
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 1484
PaddleDetection训练得到的模型转成ONNX，在Pyqt下进行调用
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 4088
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NEU-DET数据集构建用于yolov7训练的数据集（也适用于其他需要转换xml为txt标签文件的数据集）
qq_54875519的博客
03-06 1134
①convert_annotation函数中xml文件夹的路径和要生成的txt文件夹的路径。设置为数据集生成的训练集的图片和标签文件（txt）的索引文件路径。设置为数据集生成的训练集的图片和标签文件（txt）所在文件夹。设置为数据集生成的验证集的图片和标签文件（txt）所在文件夹。设置为数据集生成的测试集的图片和标签文件（txt）所在文件夹。设置为数据集的图片和标签文件（txt）所在文件夹。②主函数中图片文件夹的路径。
深度学习-基于YOLOv5的NEU-DET钢材表面缺陷任务检测，加入CFPNet、动态卷积ODConv、多个检测头提升精度NEU-DET钢材表面缺陷共有六类数据集
2401_88441190的博客
11-19 994
深度学习-基于YOLOv5的NEU-DET钢材表面缺陷任务检测，加入CFPNet、动态卷积ODConv、多个检测头提升精度NEU-DET钢材表面缺陷共有六类数据集
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...
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