要求：
我直接在colab上运行，直接不用管这些。
数据集：
可以使用自己做的数据集，我用的是kolektor数据集，下载地址https://www.vicos.si/Downloads/KolektorSDD
KSDD里面只有50个缺陷数据，我做了旋转，差不多一百个缺陷数据
（自己想做其他数据的检测原理也是一样的）
标注数据集就用labelImg标注，效果如下：
一、在colab上直接克隆源码，再下载 requirements.txt 文件 ：
% cd /content/yolov5
!git clone https://github.com/ultralytics/yolov5
!pip install -r requirements.txt
二、将数据集与yolov5文件放置同级 （根据官网）
分别将图片和txt文件放到images和labels文件夹内。
然后根据自己数据集的类别，在路径 yolov5/data/下写一个含有后缀 .yaml的配置文件，我的只需要检测一类缺陷，nc为1，names为类名。
下面是我定义的，test.yaml:
三、进行训练（可以选择不同的版本：yolov5n/s/m/l/x ）
! python train.py --img 640 --batch 30 --epochs 100 --data test.yaml --weights yolov5s.pt
可以自己定义batch、epochs
注意：在我第一次训练的时候，用的官网的batch 16 、epochs 3，导致我val_batch_pred.jpg的图片并没有预测信息，当我调大之后就有了。
训练之后的结果：
然后运行detect.py ，选择自己的图片验证：
!python detect.py --weights runs/train/exp4/weights/last.pt --source data/images/Part0.jpg --device 0 --save-txt
有缺陷的：
无缺陷的：
Original: https://blog.csdn.net/m980828/article/details/123261640
Author: 怪人i命
Title: yolov5实现小数据集的目标检测–kolektor缺陷数据集
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/681592/
转载文章受原作者版权保护。转载请注明原作者出处！