第二届启智杯-小样本计数-新疆核桃小队
依托于启智杯的举办,团队采用yolov5-seg模型,参与算法组中小样本计数的程序设计,感谢组中其他同学的帮助,让团队能够基本完成该系统的开发。参赛团队:新疆核桃小队

1、项目开发背景

编译环境:基于python语言,openvino,pytorch

硬件环境:处理器    Intel(R) Core(TM) i5-7300HQ CPU @ 2.50GHz   2.50 GHz

            机带 RAM       8.00 GB (7.87 GB 可用)

            系统类型        Windows10 64位操作系统

            GPU        1050Ti(4GB)


数据集素材:小样本计数数据集

2、项目开发设计思路

数据集准备


由于提供的格式为VM格式,无法直接用于yolo,故选择用labelme进行标注,其中20p作为训练集,5p作为验证集,通过代码文件Data-enhancement-main\Data-enhancement\DataAugForObjectSegmentation\DataAugmentforLabelMe.py将数据集扩充10倍,采用yolov5-seg-master\json2txt.py文件将json格式转换为yolo格式后进行训练。(为了提高对剩余17类图片的识别率,于网上收集相似照片1000多张扩充后放入训练集一起训练),代码文件列表如下图所示。


3、项目运行流程

环境安装:

创建虚拟环境

 conda create -n openvino python==3.9

激活环境

 conda activate openvino

安装pytorch


pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装 Cuda11.6

安装依赖库 


pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

激活环境:conda activate openvino

模型训练:修改yolov5-seg-master\data\custom.yaml文件设置,修改为自己数据集路径和种类

之后  python train.py

在yolov5-seg-master\runs\train-seg\weights文件夹生成训练好的模型

检测predict.py --weights (训练生成的模型路径).best.pt --device cpu(未加速)

在yolov5-seg-master\runs\predict-seg文件下生成检测后的图片与labels

YOLOV5转换成openvino

pip install openvino-dev==2024.0.0

pip install openvino==2024.0.0

转换模型:python export.py --weights yolov5n-seg-best.pt(需要转换的权重路径) --include openvino

(这里可能无法直接转换成功,可能需要安装高版本的onnx)

在yolov5-seg-master\yolov5n-seg-best_openvino_model文件夹下生成openvino格式文件

运行:python openvino_seg_detect.py(openvino加速)

在yolov5-seg-master\output文件夹下生成检测文件与labels

注:生成的label文件为yolo格式,需要经过yolov5-seg-master文件夹下的三个程序处理才能生成性能评测文件需要的格式;程序1将yolo的相对坐标转换为绝对坐标,程序2将txt文件里的内容转换为比赛要求格式,程序3将所有txt文件内容合成一个。


配置好openvino环境后,将yolov5n-seg.best转换为openvino格式,运行yolov5-seg-master/openvino_seg_detect.py文件

版权声明:本文为V社区用户原创内容,转载时必须标注文章的来源(V社区),文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:v-club@hikrobotics.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
上一篇

第二届启智杯—锂电外壳外观检测3D视觉方案设计

下一篇

第二届启智杯-小样本计数-海康正式员工队

评论请先登录 登录
全部评论 0
Lv.0
0
关注
0
粉丝
1
创作
2
获赞
所属专题
  • 探寻机器视觉新星|第二届“启智杯”机器视觉设计大赛获奖名单公布
  • 第二届启智杯-666队
  • 第二届启智杯——光伏电池片质检方案设计
  • 第二届启智杯应用类-光伏电池片质检视觉方案设计
  • 第二届启智杯—光伏电池片质检视觉方案设计-我恨月亮队
  • 第二届启智杯-光伏电池片质检视觉方案设计
  • 第二届启智杯—光伏电池片质检视觉方案设计
  • 第二届启智杯——锂电外壳表面缺陷检测的3D视觉方案
  • 第二届启智杯--能实现标准件检测的双目视觉系统设计
  • 第二届启智杯--能实现标准件检测的双目视觉系统设计
  • 第2届“启智杯”设计大赛——一种锂电外壳外观检测3D视觉方案
  • 第二届启智杯-锂电外壳外观检测3D视觉方案设计
  • 第二届启智杯-锂电外壳外观检测3D视觉方案设计
  • 第二届启智杯—锂电外壳外观检测3D视觉方案设计
  • 第二届启智杯-无监督异常检测算法
  • 第二届“启智杯”设计大赛-能实现标准件检测的双目系统设计
  • 第二届启智杯-创意赛道-众智队-能实现标准件检测的双目视觉系统设计
  • 第二届启智杯--能实现标准件检测的双目视觉系统设计
  • 第二届“启智杯”设计大赛-能实现标准件检测的双目系统设计
  • 第二届启智杯--能实现标准件检测的双目视觉系统设计
  • 第二届“启智杯”可视化流程编辑器-基于坐标变换实现整体框架
  • 第二届启智杯-一个可视化流程编辑器
  • 第二届启智杯-一种可视化流程编辑器
  • 第二届启智杯——节点数据订阅设计
  • 第二届启智杯-无监督异常检测算法
  • 《第二届启智杯-试一试队-算法赛道-无监督异常检测算法》
  • 第二届启智杯-小样本计数算法
  • 第二届启智杯-小样本计数-新疆核桃小队
  • 第二届启智杯-小样本计数-海康正式员工队
相关阅读
  • VM4.4更新亮点
    2024-04-12 浏览 0
  • 第二届启智杯—光伏电池片质检视觉方案设计
    2024-04-15 浏览 0
  • 第二届启智杯-锂电外壳外观检测3D视觉方案设计
    2024-04-15 浏览 0
  • 第二届启智杯-无监督异常检测算法
    2024-04-16 浏览 0
  • 双车联动调试案例-华工中试基地
    2024-04-28 浏览 0

请升级浏览器版本

您正在使用的浏览器版本过低,请升级最新版本以获得更好的体验。

推荐使用以下浏览器