1.钢铁缺陷数据集介绍
NEU-DET钢材表面缺陷共有六大类，分别为：'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratches'
每个类别分布为：
训练结果如下：
2.基于yolov5s的训练
map值：
2.1四个检测头训练结果
map从原始的0.742提升到0.786
2.2 加入即插即用的动态卷积ODConv
https://blog.csdn.net/m0_63774211/article/details/129571319
即插即用的动态卷积ODConv
map从原始的0.742提升到0.761
2.3 ECVBlock
提出的EVC主要由两个并行连接的块组成，其中使用轻量级MLP来捕获顶级特征的全局长期依赖性（即全局信息）。
如何将ECVBlock应用到yolov5/yolov7是本文的关键，重点是增强用于这些检测器的特征金字塔的表示。
1）将ECVBlock添加到backbone或者是head在不同数据集的性能会不一致，比如本文添加到backbone，在NEU-DET钢材表面缺陷和道路缺陷如任务中取得的涨点也是不一样的；
2）比如在backbone添加的位置不同对最终的性能也是完全不一样的，这点也佐证了深度学习具有玄学，体现了调参的必要性，在不断的调参中自然会取得一定经验值；
map从原始的0.742提升到0.758
by CSDN AI小怪兽 https://blog.csdn.net/m0_63774211/article/details/121408804
我正在参与2023腾讯技术创作特训营第三期有奖征文，组队打卡瓜分大奖！
