布匹瑕疵检测实践大全,基于yolov5全系列模型[n/s/m/l/x]开发构建布匹瑕疵检测模型,对比分析各个模型性能差异
布匹瑕疵检测在我之前的文章中已经有过实践记录了,这里就不在赘述了,本文的核心目标是为了基于yolov5全系列的各个模块分别开发构建布匹瑕疵检测模型,之后通过对比分析结果数据来分析不同模块之间的差异。
首先看下效果图:
简单看下数据集:
YOLO格式标注文件如下:
VOC格式标注文件如下:
随机划分数据集,五款模型保持在完全相同的条件下进行实验,默认都是100次epoch计算,接下来看结果:
【yolov5n】
【yolov5s】
【yolov5m】
【yolov5l】
【yolov5x】
肉眼可见的性能提升,从n系列开始到m系列的变化比较明显,之后就比较缓慢了,很少用x这种这么大的模型,因为训练成本是很大的。
接下来,我们来直观地进行模型间的对比,绘制各种曲线。
首先是F1值曲线:
接下来是Precision曲线:
之后是Recall曲线:
最后是loss曲线:
不难看出:x模型在性能上是独一档的存在,不过大模型大参数也有缺点,最直接的就是时耗较大,对设备算力要求较高,这个在实际生产场景中还是选择最适合自己业务需求的模型即可,不需要一味地追求高精度或者是高速度。
wqybiss: 你好,有推理代码了吗
qq_42011501: 请问glm3-6bnei的hua环境txt里transformers=4.30。而权重文件下要求是transformers>=4.30.2,是以那个为准?
菜鸟的追梦旅行: 恳请您能帮帮忙,感谢
E18288263922: 哪里可以获取这个源代码和训练数据
菜鸟的追梦旅行: 请问文中的数据集能否分享