原以为RT-DETR可以真的干翻YOLO家族，结果，！！！！

究竟能否让卷积神经网络重获新生？

1.数据准备

代码地址：https://github.com/WongKinYiu/yolov9

不能科学上网的评论区留言

数据集：东北大学缺陷检测数据集（6类别缺陷）

数据集百度网盘链接：链接：https://pan.baidu.com/s/1QktBnMcDdsQaT6JQXBjNPA 
提取码：cslw                 数据集有效期：一年

数据结构仍然采用VOC格式：

如果对制作数据集有问题，在下方留言或者看我以往YOLO v5的操作

另外，要在VOCdevkit文件夹下新建两个文件夹，分别为train.txt和val.txt（告知模型训练集和验证集所在的位置）。有需要的在之前yolov5的文件夹里提prepare_data.py或者留言评论区。

2.模型参数修改

1）找到models/detect/yolov9-c.yaml复制命名为yolov9_fast.yaml，修改nc为6

2）找到data/coco.yaml文件复制且命名为coco_fast.yaml。path就是数据集位置，train.txt和val.txt就是存放训练和验证数据集的相对路径

3）下载预训练文件

https://github.com/WongKinYiu/yolov9/releases/download/v0.1/yolov9-c-converted.pt

应该是对比s.pt的，但是官方还未放出预训练模型，所以先采用c.pty

在主目录下新建weights文件夹，将权重文件修改为yolov9c.pt放到下面

4）修改训练文件

进入train_dual.py中修改

       注意：项目中另一个文件train.py，是作者提出的另外一个模型 gelan，而train_dual才是yolov9模型。

3.训练

       我这里租用的是云服务器，因此要配置一些环境（如果是拿自己电脑训练的话，就可以跳过环境配置）。

其实也很简单：pip install -r requirements.txt     apt-get update   apt-get install libglib2.0-dev

之后开始训练：

给大家看看前十次的训练结果

咋们看看结果

再看看混淆矩阵

PR曲线，可以看出基本是吊打了之前的yolo

4.检测一下试试效果

先修改一下detect.py中的参数

1）这里需要将runs/train/exp5/weights中的best.pt复制到与detect.py同级目录下

2）在detect.py同级目录新建testfile文件夹，里面放你要检测的图像

3）修改coco128为coco_fast

好运行一下：python detect.py

这里就是一个坑，可能是原作者在写代码时留下的，看了官方提交的错误

进入utils/general.py的903行这样修改，是[0][1]，而不是[0][0]

      这里对[0][0]和[0][1]比较有争论，但是经过尝试，这两种改法都行得通，但是在检测时间上存在区别 。大家对比斟酌

[0][0]下检测结果

[0][1]下检测结果

       从官方讨论区来看，应该[0][1]才是正解，其实代码刚发布难免会存在一些错误，大家可以等等看，官方应该很快就会更新。这是检测效果

这是验证的结果，可以看出这个检测效果非常不错

验证还是同样的，只不过执行的是python val_dual.py，修改参数和detect.py一样，大家自己修改，下图是验证结果

5.如果转载，请标明出处