# 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
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【资源说明】 1、该资源包括项目的全部源码,下载可以直接使用! 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目,作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能,需要能看懂代码,并且热爱钻研,自行调试。 # 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
资源推荐
资源详情
资源评论
收起资源包目录
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 (12个子文件)
Industrial_defect_detection-master
eval.py 4KB
dataset.py 1KB
dataset
listtxt.sh 258B
test.txt 65KB
trainval.txt 1.8MB
train.txt 1.73MB
models
__init__.py 47B
se_resnet.py 7KB
resnet.py 11KB
train.py 7KB
README.md 1KB
config.py 608B
共 12 条
- 1
资源评论
土豆片片
- 粉丝: 1572
- 资源: 5636
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功