【Yolov5在‘Segmentation-Based-Surface-Defect-Detection’上的验证】

佩服“s-B-S-D-D”项目的高识别率和快速训练的效果，一直想转到生产现场应用，但样本制作（二值图）无法做到1:1的复现，一直想利用yolo来做。

探索最新Yolov5在小目标上识别效果：选用最深最宽的yolov5x，采用电容数据集的50张positive样本做标注。

1.采用Labelimg标注，json文件需要转化为txt，目前采用了最简单的矩形标注。——怀疑范围太大，影响了训练；人为标注小范围一些，防止其他照片黑点影响。

2.cuda上训练了1小时，（奇怪现象，每个epochCPU达到80%，GPU近用到30%），模型175Mb

 3.detect效果：有部分误判，初步是原图上图像颜色比较相似。

4.下一步，计划将50张样本裁剪：利用图像增强等方式，加大标注样本量，看看效果如何。

如效果仍不好，还是回归研究：用二值图像作为标注方式。

版权声明：本文为CSDN博主「peng-t」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/top_2025/article/details/122982996