一步一步介绍如何基于 YOLO-NAS 训练道路坑洼和损坏数据集+检测的代码实现

       

 目标检测在许多行业中都有许多实际应用。大多数时候，在工业环境中，物体检测目标很小。因此，有效地训练目标检测模型变得非常困难。其中一个问题是钢材表面缺陷检测。即使使用深度学习，也很难高精度地解决问题。在本文中将详细讲述基于 YOLO-NAS 实现钢铁表面的缺陷检测。

第一步：安装

注意：安装完成后（可能需要几分钟），您需要在安装完成后重新启动运行时。

pip install super-gradients==3.1.0

这是一个“一体化”的深度学习训练库，用于计算机视觉模型

第二步：导入库

import os
from pathlib import Path
from typing import Dict, Union
import xml.etree.ElementTree as ET
import requests
import torch
from PIL import Image

from super_gradients.training import Trainer, dataloaders, models
from super_gradients.training.dataloaders.dataloaders import (
    coco_detection_yolo_format_train, coco_detection_yolo_format_val
)
from super_gradients.training.losses import PPYoloELoss
from super_gradients.training.metrics import DetectionMetrics_050
from super_gradients.training.models.d