yolov5实现小数据集的目标检测--kolektor缺陷数据集

要求：

      Python>=3.7.0 

      PyTorch>=1.7

我直接在colab上运行，直接不用管这些。

数据集：

可以使用自己做的数据集，我用的是kolektor数据集，下载地址https://www.vicos.si/Downloads/KolektorSDD

KSDD里面只有50个缺陷数据，我做了旋转，差不多一百个缺陷数据

（自己想做其他数据的检测原理也是一样的）

标注数据集就用labelImg标注，效果如下：

 一、在colab上直接克隆源码，再下载requirements.txt文件：

% cd /content/yolov5
!git clone https://github.com/ultralytics/yolov5
!pip install -r requirements.txt 

 二、将数据集与yolov5文件放置同级（根据官网）

 分别将图片和txt文件放到images和labels文件夹内。

然后根据自己数据集的类别，在路径yolov5/data/下写一个含有后缀.yaml的配置文件，我的只需要检测一类缺陷，nc为1，names为类名。

下面是我定义的，test.yaml:

三、进行训练（可以选择不同的版本：yolov5n/s/m/l/x）

 

! python train.py --img 640 --batch 30 --epochs 100 --data test.yaml --weights yolov5s.pt

可以自己定义batch、epochs

注意：在我第一次训练的时候，用的官网的batch 16 、epochs 3，导致我val_batch_pred.jpg的图片并没有预测信息，当我调大之后就有了。

训练之后的结果：

 然后运行detect.py ，选择自己的图片验证：

!python detect.py --weights runs/train/exp4/weights/last.pt --source data/images/Part0.jpg --device 0 --save-txt

有缺陷的：

无缺陷的：