基于深度学习方法进行工业产品缺陷检测，替代原本人眼的产品质检研究源码.zip

# Industrial_defect_detection 本项目用深度学习的方法进行工业产品缺陷检测，替代原本人眼的产品质检。从而大幅提升工业产品合格率和降低人力成本。 ## 1.requirement - python >= 3.6 - pytorch >= 1.0 - numpy - PIL ## 2.dataset 数据包括训练数据和测试数据, 共9个类别, 存放在dataset目录中, train.txt为训练数据列表, text.txt为测试数据列表。 ## 3.train ### 3.1 修改config.py配置文件 ``` 配置文件中数据集路径配置为自己的路径 ``` ### 3.2 执行训练 ``` $ python train.py ``` ## 4.eval 在测试集上测试模型的acc 只需指定dataroot, testlist, checkpoint参数即可 。例如 ``` $ python eval.py /path/to/dataset /path/to/dataset/test.txt checkpoint_resnet_avgpool/checkpoint.path.tar ``` ## 5.改进 采用resnet50作为baseline, test acc 为 Test Acc: 0.8687 改进downsample层 原始的残差块downsample层shortcut采用的是stride=2的1x1卷积, 丢失了部分信息, 这里将shortcut修改为2x2, stride=2的AvgPool加stride=1的1x1卷积。=> Test Acc: 0.8751