基于yolov5的布匹缺陷检测算法python源码+项目说明+数据集.zip

## 任务安排 开营时间：02月16日21:00 - 比赛题目：天池创新大赛：热身赛 布匹缺陷检测，内容：根据给出的布匹图片标注出其中的缺陷 - 比赛链接：https://tianchi.aliyun.com/competition/entrance/531864/introduction?spm=5176.12281976.0.0.506441a6dTFHF3 - 数据集下载地址： https://tianchi.aliyun.com/dataset/79336 ## 文件说明 - code : 存放所有相关代码的文件夹 - train_data : 存放原始数据文件 guangdong1_round2_train2_20191004_Annotations guangdong1_round2_train2_20191004_images - tcdata: 存放官方测试数据文件，docker 提交后会自动生成 - data :训练数据路径设置 coco128.yaml中设置训练数据路径 - models ： 网络相关的代码文件夹 - weights ： 保存训练模型的文件夹，best.pt last.pt - convertTrainLabel.py：将官方的数据集转换成yolo数据的格式 运行生成convertor数据文件夹 - process_data_yolo.py：滑动窗口处理convertor数据文件夹里面数据，将大图变成1024*1024小图，生成数据文件夹process_data - train.py : 训练代码， 运行该函数进行模型的训练，可以得到模型 - detect.py : 预测代码 - test.py :测试模型代码 - run.sh : 预测测试集，生成结果的脚本 sh run.sh - train.sh : 训练脚本 sh trian.sh ## 操作说明 - step1 : 将官方训练数据集解压后放入train_data 文件夹 - step2 : 训练运行 sh train.sh - train.sh 有四步 -python convertTrainLabel.py -python process_data_yolo.py -rm -rf ./convertor -python train.py - step3 : 生成结果 sh run.sh ## 思路说明 -本方案采用了yolov5作为baseline -数据处理：滑动窗口分割训练图片 ##改进思路 -数据扩增：训练样本扩增随机竖直/水平翻折，色彩空间增强，使缺陷样本均匀 -自适应anchor策略 -适当减少回归框损失的权重 -正负样本类别 -多尺度训练 -空洞卷积替换FPN最后一层 -FPN改进尝试：NAS-FPN、AC-PFN -Anchor 匹配策略