## Faster-Rcnn:PCB-component-defect-detection目标检测模型在Pytorch当中的实现
---
## 目录
1. [仓库更新 Top News](#仓库更新)
2. [性能情况 Performance](#性能情况)
3. [所需环境 Environment](#所需环境)
4. [文件下载 Download](#文件下载)
5. [预测步骤 How2predict](#预测步骤)
6. [训练步骤 How2train](#训练步骤)
7. [评估步骤 How2eval](#评估步骤)
8. [参考资料 Reference](#Reference)
## Top News
**本项目支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。**
**增加了大量注释、增加了大量可调整参数、对代码的组成模块进行修改、增加fps、视频预测、批量预测等功能。**
## 性能情况
| 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | mAP 0.5:0.95 | mAP 0.5 |
| :-----: | :-----: | :------: | :------: | :------: | :-----: |
| VOC07+12 | [voc_weights_resnet.pth](https://github.com/bubbliiiing/faster-rcnn-pytorch/releases/download/v1.0/voc_weights_resnet.pth) | VOC-Test07 | - | - | 80.36
| VOC07+12 | [voc_weights_vgg.pth](https://github.com/bubbliiiing/faster-rcnn-pytorch/releases/download/v1.0/voc_weights_vgg.pth) | VOC-Test07 | - | - | 77.46
**本代码中也用训练权重,读者可以不用下载。
## 所需环境
torch == 1.2.0
## 文件下载
训练所需的voc_weights_resnet.pth或者voc_weights_vgg.pth以及主干的网络权重可以在百度云下载。
voc_weights_resnet.pth是resnet为主干特征提取网络用到的;
voc_weights_vgg.pth是vgg为主干特征提取网络用到的;
链接: https://pan.baidu.com/s/1S6wG8sEXBeoSec95NZxmlQ
提取码: 8mgp
VOC数据集下载地址如下,里面已经包括了训练集、测试集、验证集(与测试集一样),无需再次划分:
链接: https://pan.baidu.com/s/1YuBbBKxm2FGgTU5OfaeC5A
提取码: uack
**笔者是使用生产工厂,现场采集的PCB图片,故不能上传,读者需要自备数据集或者根据提供的数据集链接下载
**在后续中,笔者以共用数据集VOC07+12数据集进行讲解,
## 训练步骤
### a、训练VOC07+12数据集
1. 数据集的准备
**本文使用VOC格式进行训练,训练前需要下载好VOC07+12的数据集,解压后放在根目录**
2. 数据集的处理
修改voc_annotation.py里面的annotation_mode=2,运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。
3. 开始网络训练
train.py的默认参数用于训练VOC数据集,直接运行train.py即可开始训练。
4. 训练结果预测
训练结果预测需要用到两个文件,分别是frcnn_predict.py和predict.py。我们首先需要去frcnn_predict.py里面修改model_path以及classes_path,这两个参数必须要修改。
**model_path指向训练好的权值文件,在logs文件夹里。
classes_path指向检测类别所对应的txt。**
完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。
### b、训练自己的数据集
1. 数据集的准备
**本文使用VOC格式进行训练,训练前需要自己制作好数据集,**
训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
2. 数据集的处理
在完成数据集的摆放之后,我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。
修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path,classes_path用于指向检测类别所对应的txt。
训练自己的数据集时,可以自己建立一个cls_classes.txt,里面写自己所需要区分的类别。
model_data/cls_classes.txt文件内容为:
```python
cat
dog
...
```
修改voc_annotation.py中的classes_path,使其对应cls_classes.txt,并运行voc_annotation.py。
3. 开始网络训练
**训练的参数较多,均在train.py中,大家可以在下载库后仔细看注释,其中最重要的部分依然是train.py里的classes_path。**
**classes_path用于指向检测类别所对应的txt,这个txt和voc_annotation.py里面的txt一样!训练自己的数据集必须要修改!**
修改完classes_path后就可以运行train.py开始训练了,在训练多个epoch后,权值会生成在logs文件夹中。
4. 训练结果预测
训练结果预测需要用到两个文件,分别是frcnn_predict.py和predict.py。在frcnn_predict.py里面修改model_path以及classes_path。
**model_path指向训练好的权值文件,在logs文件夹里。
classes_path指向检测类别所对应的txt。**
完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。
## 预测步骤
### a、使用预训练权重
1. 下载完库后解压,在百度网盘下载frcnn_weights.pth,放入model_data,运行predict.py,输入
```python
img/street.jpg
```
2. 在predict.py里面进行设置可以进行fps测试和video视频检测。
### b、使用自己训练的权重
1. 按照训练步骤训练。
2. 在frcnn_predict.py文件里面,在如下部分修改model_path和classes_path使其对应训练好的文件;**model_path对应logs文件夹下面的权值文件,classes_path是model_path对应分的类**。
3. 运行predict.py,输入
```python
img/street.jpg
```
4.在predict.py里面进行设置可以进行fps测试和video视频检测。
## 评估步骤
### a、评估VOC07+12的测试集
1. 本文使用VOC格式进行评估。VOC07+12已经划分好了测试集,无需利用voc_annotation.py生成ImageSets文件夹下的txt。
2. 在frcnn.py里面修改model_path以及classes_path。**model_path指向训练好的权值文件,在logs文件夹里。classes_path指向检测类别所对应的txt。**
3. 运行get_map.py即可获得评估结果,评估结果会保存在map_out文件夹中。
### b、评估自己的数据集
1. 本文使用VOC格式进行评估。
2. 如果在训练前已经运行过voc_annotation.py文件,代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例,可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例,默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例,默认情况下 训练集:验证集 = 9:1。
3. 利用voc_annotation.py划分测试集后,前往get_map.py文件修改classes_path,classes_path用于指向检测类别所对应的txt,这个txt和训练时的txt一样。评估自己的数据集必须要修改。
4. 在frcnn_predict.py里面修改model_path以及classes_path。**model_path指向训练好的权值文件,在logs文件夹里。classes_path指向检测类别所对应的txt。**
5. 运行get_map.py即可获得评估结果,评估结果会保存在map_out文件夹中。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于python+faster-RCNN的PCB元器件缺陷检测+源码+开发文档+项目解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 基于python+faster-RCNN的PCB元器件缺陷检测+源码+开发文档+项目解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 基于python+faster-RCNN的PCB元器件缺陷检测+源码+开发文档+项目解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用~ 项目简介: 训练步骤 a、训练VOC07+12数据集 b、训练自己的数据集 预测步骤 a、使用预训练权重 b、使用自己训练的权重 评估步骤 a、评估VOC07+12的测试集 b、评估自己的数据集 ...........
资源推荐
资源详情
资源评论
收起资源包目录
基于faster-RCNN的PCB元器件缺陷检测.zip (79个子文件)
PCB_defect_detection_faster_r_cnn-main
voc_annotation.py 7KB
order_name.py 4KB
LICENSE 1KB
predict.py 8KB
utils
utils.py 2KB
__init__.py 1B
utils_bbox.py 7KB
soft_nms.py 6KB
utils_map.py 37KB
anchors.py 3KB
kmeans_anchors
yolo_kmeans.py 1KB
plot_kmeans.py 2KB
main.py 3KB
Bikmeans_anchors.py 8KB
read_voc.py 3KB
dataloader.py 6KB
utils_fit.py 3KB
callbacks.py 10KB
__pycache__
utils_bbox.cpython-39.pyc 3KB
dataloader.cpython-37.pyc 4KB
dataloader.cpython-39.pyc 4KB
utils_map.cpython-37.pyc 18KB
utils_fit.cpython-39.pyc 2KB
__init__.cpython-39.pyc 155B
anchors.cpython-39.pyc 2KB
callbacks.cpython-37.pyc 6KB
callbacks.cpython-39.pyc 6KB
utils.cpython-39.pyc 2KB
utils_bbox.cpython-37.pyc 6KB
utils_fit.cpython-37.pyc 2KB
utils_map.cpython-39.pyc 19KB
__init__.cpython-37.pyc 160B
utils.cpython-37.pyc 2KB
anchors.cpython-37.pyc 2KB
nets
__init__.py 1B
resnet101.py 6KB
vgg16.py 4KB
resnet50_ECA_FPN.py 11KB
rpn.py 16KB
FasterRCNN_train.py 7KB
resnet50.py 7KB
Suggestion_box.py 27KB
classifier.py 11KB
resnet50_FPN.py 11KB
__pycache__
resnet101.cpython-37.pyc 4KB
Suggestion_box.cpython-39.pyc 12KB
vgg16.cpython-39.pyc 2KB
resnet50.cpython-39.pyc 4KB
rpn.cpython-39.pyc 5KB
classifier.cpython-37.pyc 5KB
resnet50_FPN.cpython-37.pyc 5KB
resnet50.cpython-37.pyc 4KB
feature_pyramid_network.cpython-39.pyc 8KB
frcnn.cpython-39.pyc 2KB
resnet50_FPN.cpython-39.pyc 6KB
__init__.cpython-39.pyc 154B
classifier.cpython-39.pyc 5KB
resnet101.cpython-39.pyc 4KB
rpn.cpython-37.pyc 4KB
feature_extraction.cpython-39.pyc 2KB
FasterRCNN_train.cpython-37.pyc 2KB
__init__.cpython-37.pyc 159B
FasterRCNN_train.cpython-39.pyc 3KB
faster_rcnn_feature_extraction.cpython-39.pyc 2KB
Suggestion_box.cpython-37.pyc 10KB
frcnn_training.cpython-39.pyc 10KB
vgg16.cpython-37.pyc 2KB
data_expansion.py 14KB
qa.md 36KB
summary.py 1KB
requirements.txt 150B
get_map.py 8KB
.gitignore 2KB
frcnn_predict.py 17KB
train.py 30KB
README.md 7KB
Data_preproces
voc_annotation.py 7KB
order_name.py 4KB
data_expansion.py 14KB
共 79 条
- 1
资源评论
梦回阑珊
- 粉丝: 3013
- 资源: 855
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