当前位置:   article > 正文

【python 目标检测】基于深度学习的道路破损检测|yolov5|VOC_road damage detection 预训练模型 yolo

road damage detection 预训练模型 yolo

前不久从大数据局那里接到了一个任务,让我们做一个道路破损的目标检测,上网搜了一搜,发现资料并不是很多。

torch  1.11.0

torchvision  0.12.0

python  3.8

anaconda

2080Ti

 数据集是大数据局的,不方便上传。

大部分长这样:图片有部分是带有破损的,可能是避开关键信息吧,我也不是很清楚,但是也是可以传入模型进行训练,精度肯定会收到影响,不过影响甚微。

大数据的图片并不是很多,但是用于目标检测是足够了,由于道路破损相对于其他的物体检测显得更为困难,因为它没有固定的形状,大部分都是不规则的裂缝,所以我们又自己找了一些数据集来扩充训练:

下面是之前道路破损比赛的一个官网信息,里面可以下载到数据集。

Overview | 2020 IEEE International Conference on Big Data (sekilab.global)icon-default.png?t=M3C8https://rdd2020.sekilab.global/overview/该数据集包含不同国家的道路图像,它们是日本、印度、捷克。

导师建议使用yolov5模型进行训练:

https://www.wpsshop.cn/w/我家自动化/article/detail/308644

推荐阅读
相关标签
  

闽ICP备14008679号