专栏首页机器学习AI算法工程Yolov5实现道路裂缝检测,附数据集

Yolov5实现道路裂缝检测,附数据集

环境要求

Python 3.8或之后的版本

还要安装requirements.txt文件中所有依赖包,包括1.7及以上版本的

torch

pip install -r requirements.txt

项目 代码 获取方式:

关注微信公众号 datadyx 然后回复 道路 即可获取。

AI项目体验地址 https://loveai.tech

测试

运行前先将图片或视频文件放在和detect.py同一目录下,然后运行下面语句:

python detect.py --source file.jpg

因为我将训练好的模型已经放入./runs/train/exp_1000/weights/路径下了,如果自己训练了模型后,记得修改为自己的模型路径。

原图标记:

测试标记:

训练自己的数据集

1.创建dataset.yaml文件

文件要满足以下格式(如下图):

  1. 下载地址(没有的不用管它)
  2. 训练图片路径
  3. 验证图片路径
  4. 类的个数
  5. 类名

2.创建标签文件

文件要满足以下格式(如下图):

1.一张图片一个txt文件

2.一行一个目标

3.每行都是class x_center y_center width height的格式,也就是类对应的序号,目标的x轴中心点,目标的y轴中心点,还有宽和高,注意都不超过1,都是像素点除以宽或高。(一般的正规数据集都自带这种格式的标签,如果没有这种格式的,需要自己编写程序转换,如果没有标签只有图片,需要自行下载标记软件,然后标记图片)

4. 序号从0开始

3.组织文件路径

注意第1步创建dataset.yaml文件中的文件路径,自己填什么路径就把文件放在什么路径。

4.选择模型

推荐选择YOLOv5s,小还快。

5.开始训练

如果用的是Pycharm就右键train.py文件open in terminal,输入以下代码,如果不是Pycharm,可以再cmd中,先调到train.py路径下,再运行下面语句开始训练。(--之后代表参数,img就是图片要缩放的大小,最好是和原图一样大小,epochs是要迭代的次数,data就是第一步创建的文件,weight也就是训练好的权重)

本文分享自微信公众号 - 机器学习AI算法工程(datayx)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-07-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 深度学习混凝土结构裂纹检测

    原标题 | CONTRIBUTE Detection of Surface Cracks in Concrete Structures using Deep L...

    AI研习社
  • 神剧《切尔诺贝利》引发的技术思考:如何避免下一次核灾难?

    场景描述:美剧《切尔诺贝利》的热播,让观众再次感受了核事故的恐惧。通过将工智能技术应在核防护和核安全上面,会带来卓有成效的收获,也许,合理的利用人工智能「约束」...

    统计学家
  • 使用YOLOv5模型进行目标检测!

    目标检测是计算机视觉领域的一大任务,大致分为一阶段目标检测与两阶段目标检测。其中一阶段目标检测模型以YOLO系列为代表。最新的YOLOv5在各个数据集上体现出收...

    Datawhale
  • 第四届Sky Hackathon结束,以赛促学塑造学生多元价值

    4月18日,对于北京财贸职业学院大一学生刘学恺来说,是紧张又充实的一天,因为这一天是NVIDIA第四届Sky Hackathon大赛最后一天,在下午6点之前,所...

    GPUS Lady
  • YOLOv5它来了!YOLOv4发布不到50天,它带着推理速度140帧/秒、性能提升2倍来了

    6月9日,Ultralytics公司开源了YOLOv5,离上一次YOLOv4发布不到50天。而且这一次的YOLOv5是完全基于PyTorch实现的!

    量子位
  • 汇总|缺陷检测数据集

    https://hci.iwr.uni-heidelberg.de/node/3616

    3D视觉工坊
  • 轻松学Pytorch – 构建UNet实现道路裂纹检测

    大家好,我又好久没有给大家更新这个系列了,但是我内心一直没有忘记要更新pytorch初学者系列文章,今天给大家分享一下Pytorch如何构建UNet网络并实现模...

    OpenCV学堂
  • 深度学习实战之布匹缺陷检测

    缺陷检测是工业上非常重要的一个应用,由于缺陷多种多样,传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移,复用性不大,要求区分工况,这会浪费大量的人力成本。深...

    用户1621951
  • 一个奇怪的地震群持续了好几年,现在科学家终于知道了为什么

    2016年初,在没有大张旗鼓的情况下,南加州无声地爆发了一大堆地震。地震并非每天都会发生,大多数地震对人类来说太小了,但是震颤不断地继续蔓延和繁殖。到2018年...

    大数据文摘
  • 普渡大学利用深度学习自动检测核反应堆裂缝

    美国普渡大学正在开发人工智能系统利用深度学习技术检测核反应堆裂缝,未来能帮助减少发生事故和维护成本。 普渡大学(Purdue University)正在开发一个...

    人工智能快报
  • 干货 | YOLOV5 训练自动驾驶数据集,并转Tensorrt,收藏!

    BDD100K是最大的开放式驾驶视频数据集之一,其中包含10万个视频和10个任务,目的是方便评估自动驾驶图像识别算法的的进展。每个高分辨率视频一共40秒。该数据...

    机器视觉CV
  • PP-YOLO何许模型?竟然超越了YOLOv4

    PP-YOLO评估指标显示出比现有的最新对象检测模型YOLOv4更高的性能。但是,提出者百度却谦虚的声明:

    小白学视觉
  • Pytorh与tensorflow对象检测模型如何部署到CPU端,实现加速推理

    对象检测是计算机视觉最常见的任务之一,应用非常广泛,本文主要给给大家价绍两条快速方便的自定义对象检测模型的训练与部署的技术路径,供大家实际项目中可以参考。

    OpenCV学堂
  • 当YOLOv5遇见OpenVINO!

    YOLOv5 于2020年6月发布!一经推出,便得到CV圈的瞩目,目前在各大目标检测竞赛、落地实战项目中得到广泛应用。

    AI科技评论
  • YOLOv5是真的吗?并不比YOLOv4强,不配这个名字

    是不是超厉害?这不正表明我们的研究和科技发展速度超快吗?毕竟这个广受欢迎的目标检测框架的新一代 v4 版本刚发布不久,下一代 v5 版本就横空出世了。YOLOv...

    机器之心
  • YOLO 算法最全综述:从 YOLOv1 到 YOLOv5

    YOLO系列是基于深度学习的回归方法,本文详细介绍了从YOLOv1至最新YOLOv5五种方法的主要思路、改进策略以及优缺点。

    公众号机器学习与生成对抗网络
  • YOLO算法最全综述:从YOLOv1到YOLOv5

    来源丨https://zhuanlan.zhihu.com/p/136382095

    Datawhale
  • YOLO在升级 | PP-YOLO v2开源致敬YOLOV4携带Tricks又准又快地归来(附论文与源码)

    为了解决效率和性能这两个问题,本文全面评估了一系列现有改进,以提高PP-YOLO的性能,同时几乎保持推理时间不变。本文将分析一系列改进,并通过增量消融研究从经验...

    用户3605500
  • 小白入门,YOLO_v5 对海洋生物进行目标检测和识别

    哈喽,大家好,今天我们用计算机视觉领域中最流行的深度学习目标检测框架神器:YOLO v5,进行海洋生物的检测与识别。小白同学也可以跟着我一步一步操作,具体操作流...

    唐国梁Tommy

扫码关注云+社区

领取腾讯云代金券