tianchi_cvdetect

2021全球人工智能技术创新大赛 : 布匹疵点智能识别

基础信息说明

（1） Rank top 12/1619

（2）思路说明：

• 本方案采用了yolov5作为baseline
• 数据处理：滑动窗口分割训练图片
• YOLOV5s + YOLOV5l 集成，修改参数数据增强

（3）win10本地安装docker，bug解决过程以及基础版本迭代过程，详见博客

文件说明

• code : 存放所有相关代码的文件夹
  • train_data : 存放原始数据文件 guangdong1_round2_train2_20191004_Annotations guangdong1_round2_train2_20191004_images
  • tcdata: 存放官方测试数据文件，docker 提交后会自动生成
  • data :训练数据路径设置 coco128.yaml中设置训练数据路径
  • models ： 网络相关的代码文件夹
  • weights ： 保存训练模型的文件夹，best.pt last.pt
  • convertTrainLabel.py：将官方的数据集转换成yolo数据的格式 运行生成convertor数据文件夹
  • process_data_yolo.py：滑动窗口处理convertor数据文件夹里面数据，将大图变成1024*1024小图，生成数据文件夹process_data
  • train.py : 训练代码， 运行该函数进行模型的训练，可以得到模型
  • detect.py : 预测代码
  • test.py :测试模型代码
  • run.sh : 预测测试集，生成结果的脚本 sh run.sh
  • train.sh : 训练脚本 sh trian.sh

操作说明

• step1 : 将官方训练数据集解压后放入train_data 文件夹
• step2 : 训练运行 sh train.sh
  • train.sh 有四步 -python convertTrainLabel.py -python process_data_yolo.py -rm -rf ./convertor -python train.py
• step3 : 生成结果 sh run.sh

后续可提高的改进思路

• 数据扩增：训练样本扩增随机竖直/水平翻折，色彩空间增强，使缺陷样本均匀
• 自适应anchor策略
• 适当减少回归框损失的权重
• 正负样本类别
• 多尺度训练
• 空洞卷积替换FPN最后一层
• FPN改进尝试：NAS-FPN、AC-PFN
• Anchor 匹配策略