# 基于yolov8的基建裂缝目标检测系统
### 安装环境
```bash
python -m venv venv # 创建虚拟环境
venv/Scripts/activate # 进入虚拟环境
pip install -r requirements.txt # 安装依赖
```
**注意:pytorch cuda的格式可能不一致,注意辨别。选用适合自己的cuda版本进行安装**
### 文件目录
* crack/ 裂缝检测输出文件
* datasets/ 数据集
* detects/ 推理集
* slime/ 史莱姆检测失败案例(数据集不够)
* crack_predict.py 推理detects/crack下的所有图片的裂缝
* crack_train.py 训练crack数据集
* get_path.py 取出一些数据当作评估数据,在训练完毕后会进行评估
* voc_to_yolo 将voc格式转换为yolo需要的labels格式
* slime_*.py (一些史莱姆的失败案例)
* yolov8n.pt 包含了模型的结构和训练好的参数的训练模型
### 使用
`python crack_predict.py` 检测`detects/crack/*`中图片的裂缝,并输出到`crack/crack_predict/`下,输出文件包含,被标记的图片以及labels
`python crack_train.py` 训练基建裂缝数据集,并输出训练集到`crack/crack_train/`并且生成评估信息
### 修改yolov8源码方面
修改在 yolov8 的源码 `ultralytics/ultralytics/cfg` 目录下 default.yaml ,并将 amp 改为 False
### 一些指标
![Alt text](crack/crack_train/labels_correlogram.jpg)
![Alt text](crack/crack_train/labels.jpg)
![Alt text](crack/crack_train/results.png)
![Alt text](crack/crack_train/val_batch1_pred.jpg)
### 数据标注
采用labelimg进行标注,后使用voc_to_yolo转换标注格式,然后通过get_path(),随机分配评估数据集与训练数据集
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基建裂缝目标检测系统源码包括裂缝检测输出文件、数据集、推理集、标签格式以及训练好参数的模型等内容,数据来源于工业场景表面缺陷检测数据集及论文集,模型是在YOLOv8模型的基础上修改而搭建的。 数据集已打好标签,划分好 train,val, test,并附有crack.yaml文件,配置目录结构如下: train: E:\yolov8\datasets\crack\dataSet\train.txt val: E:\yolov8\datasets\crack\dataSet\valid.txt
资源推荐
资源详情
资源评论
收起资源包目录
基于YOLOv8算法的基建裂缝目标检测系统(数据集+检测模型+系统) (849个子文件)
train2017.cache 49KB
labels.cache 4KB
labels.cache 2KB
results.csv 54KB
results.csv 33KB
.gitignore 7B
003.jpg 4.62MB
002.jpg 4.45MB
004.jpg 4.13MB
1703396895116.jpg 3.81MB
1703396767204.jpg 3.76MB
005.jpg 3.62MB
001.jpg 3.48MB
010.jpg 3.44MB
1703396877848.jpg 3.14MB
007.jpg 3.09MB
009.jpg 2.98MB
008.jpg 2.95MB
006.jpg 2.81MB
1703396895116.jpg 503KB
1703396767204.jpg 473KB
1703400963257.jpg 366KB
1703396877848.jpg 364KB
train_batch2.jpg 341KB
train_batch2.jpg 338KB
train_batch1.jpg 322KB
train_batch0.jpg 314KB
train_batch1801.jpg 295KB
train_batch0.jpg 295KB
train_batch1.jpg 291KB
val_batch1_pred.jpg 276KB
val_batch1_labels.jpg 269KB
1703400954057.jpg 267KB
train_batch92.jpg 266KB
val_batch0_pred.jpg 262KB
train_batch1802.jpg 262KB
val_batch0_labels.jpg 258KB
train_batch91.jpg 255KB
train_batch1800.jpg 237KB
val_batch2_pred.jpg 231KB
val_batch2_labels.jpg 225KB
train_batch90.jpg 218KB
labels.jpg 192KB
labels_correlogram.jpg 183KB
val_batch0_labels.jpg 179KB
val_batch0_labels.jpg 179KB
val_batch0_pred.jpg 173KB
val_batch0_pred.jpg 173KB
000000000575.jpg 160KB
labels_correlogram.jpg 150KB
000000000061.jpg 132KB
000000000073.jpg 121KB
000000000144.jpg 115KB
000000000368.jpg 113KB
000000000309.jpg 112KB
000000000151.jpg 105KB
000000000034.jpg 103KB
1703400963257.jpg 98KB
000000000307.jpg 94KB
000000000544.jpg 90KB
000000000595.jpg 90KB
000000000312.jpg 90KB
000000000025.jpg 88KB
000000000086.jpg 86KB
000000000605.jpg 84KB
000000000072.jpg 81KB
000000000502.jpg 81KB
labels.jpg 77KB
000000000612.jpg 77KB
000000000629.jpg 76KB
000000000510.jpg 75KB
000000000625.jpg 74KB
000000000138.jpg 72KB
000000000078.jpg 72KB
000000000540.jpg 72KB
000000000196.jpg 69KB
000000000394.jpg 67KB
1703400954057.jpg 67KB
000000000532.jpg 66KB
000000000419.jpg 66KB
000000000328.jpg 65KB
000000000036.jpg 65KB
000000000094.jpg 65KB
000000000127.jpg 63KB
000000000165.jpg 63KB
000000000400.jpg 62KB
000000000641.jpg 62KB
000000000154.jpg 62KB
000000000009.jpg 61KB
000000000192.jpg 61KB
000000000109.jpg 61KB
000000000529.jpg 60KB
000000000308.jpg 59KB
000000000257.jpg 59KB
000000000064.jpg 58KB
000000000438.jpg 57KB
000000000599.jpg 56KB
000000000486.jpg 56KB
000000000071.jpg 56KB
000000000042.jpg 55KB
共 849 条
- 1
- 2
- 3
- 4
- 5
- 6
- 9
资源评论
python慕遥
- 粉丝: 3546
- 资源: 357
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
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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