代码来自 https://github.com/Tianxiaomo/pytorch-YOLOv4
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于深度学习YOLOv4的玻璃绝缘子缺陷检测python源码+项目使用说明.zip 【资源介绍】 该项目是个人毕设项目,答辩评审分达到95分,代码都经过调试测试,确保可以运行!欢迎下载使用,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 对训练集/测试集裁剪后的小图做标注,得到xml文件,转成yolo格式 此时, 训练集图片:2692张 标注:156个 测试集图片:666张 标注:41个 对没有目标的负样本,使用空白的txt文件做标注 用albumentations对训练集含有标注的156个图像做数据增强:随机翻转,随机旋转90°,亮度对比度变化,缩小后填充黑边再随机旋转0-90°,最终得到图片5188张,负样本正样本比例大约1:1。 训练 使用darknet版yolov4训练 (在资源内) 两块2080训练 先用k-means聚类 网络输入416x416 batch=16 sub=8 再预训练模型上跑8000个epoch 准确率达到97% ## 测试 把一张图裁剪成608x608的若干小图依次放入网络进行检测,最终检测框的坐标加上图片所属左上角的坐标得到在原图中的绝对坐标,然后对原图上的所有框做一个nms,得到最终的检测图。
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YOLOv4的玻璃绝缘子缺陷检测python源码+项目使用说明.zip (20个子文件)
README_IMAGES
3.png 1.33MB
1.png 383KB
4.png 1.44MB
2.png 531KB
项目说明.md 4KB
darknet-master.zip 7.91MB
code
detecte.py 2KB
gen_empty_label.py 292B
tool
utils.py 6KB
region_loss.py 9KB
yolo_layer.py 12KB
darknet2pytorch.py 20KB
torch_utils.py 3KB
README.md 58B
config.py 11KB
split.py 1KB
xml2label.py 1KB
aug.py 2KB
gen_train_valid_txt.py 611B
yolo.py 2KB
共 20 条
- 1
资源评论
- MrLuan-113082024-03-26这个资源内容超赞,对我来说很有价值,很实用,感谢大佬分享~
manylinux
- 粉丝: 4538
- 资源: 2484
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