代码拉取完成,页面将自动刷新
同步操作将从 柴海洋/Industrial_defect_detection 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
本项目用深度学习的方法进行工业产品缺陷检测,替代原本人眼的产品质检。从而大幅提升工业产品合格率和降低人力成本。
数据包括训练数据和测试数据, 共9个类别, 存放在dataset目录中, train.txt为训练数据列表, text.txt为测试数据列表。
配置文件中数据集路径配置为自己的路径
$ python train.py
在测试集上测试模型的acc
只需指定dataroot, testlist, checkpoint参数即可 。例如
$ python eval.py /path/to/dataset /path/to/dataset/test.txt checkpoint_resnet_avgpool/checkpoint.path.tar
采用resnet50作为baseline, test acc 为 Test Acc: 0.8687
改进downsample层 原始的残差块downsample层shortcut采用的是stride=2的1x1卷积, 丢失了部分信息, 这里将shortcut修改为2x2, stride=2的AvgPool加stride=1的1x1卷积。=> Test Acc: 0.8751
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。