devbox
我家自动化
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

基于Yolov5的道路缺陷识别，加入CVPR2023 InceptionNeXt、华为诺亚2023 VanillaNet、ASFF、EVC、Decoupled_Detect、TSCODE、WIoU优化_yolov5s 添加2023

作者：我家自动化 | 2024-02-17 04:47:10

赞

踩

yolov5s 添加2023

目录

1.数据集介绍

1.1数据增强，扩充数据集

1.1.1 通过split_train_val.py得到trainval.txt、val.txt、test.txt

1.1.2 通过voc_label.py得到适合yolov5训练需要的

2.基于yolov5的道路缺陷识别

2.1配置 crack.yaml

2.2 修改yolov5s_crack.yaml

2.3训练道路缺陷模型

3.性能评价

3.1 加入ASFF特征金字塔融合

3.2 ECVBlock

3.3 解耦头Decoupled_Detect

3.4 GSConv+Slim Neck

 3.4.1 slimneck-yolov5s.yaml 

 3.4.2 GSConv-yolov5s.yaml​编辑

1.数据集介绍

缺陷类型：crack 

数据集数量：195张

1.1数据增强，扩充数据集

通过medianBlur、GaussianBlur、Blur3倍扩充得到780张图片

按照train、val、test进行8:1：1进行划分

1.1.1 通过split_train_val.py得到trainval.txt、val.txt、test.txt

  1. # coding:utf-8
  2.  
  3. import os
  4. import random
  5. import argparse
  6.  
  7. parser = argparse.ArgumentParser()
  8. #xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
  9. parser.add_argument('--xml_path', default='Annotations', type=str, help='input xml label path')
  10. #数据集的划分，地址选择自己数据下的ImageSets/Main
  11. parser.add_argument('--txt_path', default='ImageSets/Main', type=str, help='output txt label path')
  12. opt = parser.parse_args()
  13.  
  14. trainval_percent = 0.9
  15. train_percent = 0.8
  16. xmlfilepath = opt.xml_path
  17. txtsavepath = opt.txt_path
  18. total_xml = os.listdir(xmlfilepath)
  19. if not os.path.exists(txtsavepath):
  20.     os.makedirs(txtsavepath)
  21.  
  22. num = len(total_xml)
  23. list_index = range(num)
  24. tv = int(num * trainval_percent)
  25. tr = int(tv * train_percent)
  26. trainval = random.sample(list_index, tv)
  27. train = random.sample(trainval, tr)
  28.  
  29. file_trainval = open(txtsavepath + '/trainval.txt', 'w')
  30. file_test = open(txtsavepath + '/test.txt', 'w')
  31. file_train = open(txtsavepath + '/train.txt', 'w')
  32. file_val = open(txtsavepath + '/val.txt', 'w')
  33.  
  34. for i in list_index:
  35.     name = total_xml[i][:-4] + '\n'
  36.     if i in trainval:
  37.         file_trainval.write(name)
  38.         if i in train:
  39.             file_train.write(name)
  40.         else:
  41.             file_val.write(name)
  42.     else:
  43.         file_test.write(name)
  44.  
  45. file_trainval.close()
  46. file_train.close()
  47. file_val.close()
  48. file_test.close()

1.1.2 通过voc_label.py得到适合yolov5训练需要的

  1. # -*- coding: utf-8 -*-
  2. import xml.etree.ElementTree as ET
  3. import os
  4. from os import getcwd
  5.  
  6. sets = ['train', 'val']
  7. classes = ["crack"]   # 改成自己的类别
  8. abs_path = os.getcwd()
  9. print(abs_path)
  10.  
  11. def convert(size, box):
  12.     dw = 1. / (size[0])
  13.     dh = 1. / (size[1])
  14.     x = (box[0] + box[1]) / 2.0 - 1
  15.     y = (box[2] + box[3]) / 2.0 - 1
  16.     w = box[1] - box[0]
  17.     h = box[3] - box[2]
  18.     x = x * dw
  19.     w = w * dw
  20.     y = y * dh
  21.     h = h * dh
  22.     return x, y, w, h
  23.  
  24. def convert_annotation(image_id):
  25.     in_file = open('Annotations/%s.xml' % (image_id), encoding='UTF-8')
  26.     out_file = open('labels/%s.txt' % (image_id), 'w')
  27.     tree = ET.parse(in_file)
  28.     root = tree.getroot()
  29.     size = root.find('size')
  30.     w = int(size.find('width').text)
  31.     h = int(size.find('height').text)
  32.     for obj in root.iter('object'):
  33.         difficult = obj.find('difficult').text
  34.         #difficult = obj.find('Difficult').text
  35.         cls = obj.find('name').text
  36.         if cls not in classes or int(difficult) == 1:
  37.             continue
  38.         cls_id = classes.index(cls)
  39.         xmlbox = obj.find('bndbox')
  40.         b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
  41.              float(xmlbox.find('ymax').text))
  42.         b1, b2, b3, b4 = b
  43.         # 标注越界修正
  44.         if b2 > w:
  45.             b2 = w
  46.         if b4 > h:
  47.             b4 = h
  48.         b = (b1, b2, b3, b4)
  49.         bb = convert((w, h), b)
  50.         out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
  51.  
  52. wd = getcwd()
  53. for image_set in sets:
  54.     if not os.path.exists('labels/'):
  55.         os.makedirs('labels/')
  56.     image_ids = open('ImageSets/Main/%s.txt' % (image_set)).read().strip().split()
  57.     list_file = open('%s.txt' % (image_set), 'w')
  58.     for image_id in image_ids:
  59.         list_file.write(abs_path + '/images/%s.jpg\n' % (image_id))
  60.         convert_annotation(image_id)
  61.     list_file.close()

2.基于yolov5的道路缺陷识别

2.1配置 crack.yaml

  1. train: ./data/crack/train.txt
  2. val: ./data/crack/val.txt
  3.  
  4. # number of classes
  5. nc: 1
  6.  
  7. # class names
  8. names: ["crack"]

2.2 修改yolov5s_crack.yaml

  1. # YOLOv5 
    声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/100165?site
    推荐阅读
    相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。