---
title: Swin-Defect-Detection
canonical_url: "https://www.modelscope.cn/models/Brilliantccc/Swin-Defect-Detection"
md_url: "https://www.modelscope.cn/models/Brilliantccc/Swin-Defect-Detection.md"
repository: Brilliantccc/Swin-Defect-Detection
last_updated: 2026-09-02
pipeline_tag: image-object-detection
tasks:
  - image-object-detection
downloads: 0
stars: 0
tags:
  - swin-transformer
  - yolov8
  - defect-detection
  - industrial-inspection
---

# Swin-Defect-Detection

> Swin-Defect-Detection - Brilliantccc 在 ModelScope 开源的模型。Swin-Defect-Detection

- **Repository**: Brilliantccc/Swin-Defect-Detection
- **Tasks**: image-object-detection
- **Tags**: swin-transformer, yolov8, defect-detection, industrial-inspection
- **Downloads**: 0
- **Stars**: 0
- **Last updated**: 2026-09-02

Source: https://www.modelscope.cn/models/Brilliantccc/Swin-Defect-Detection

---

# Swin-Defect-Detection

基于 Swin Transformer + YOLOv8 的工业缺陷检测模型。

## 模型简介

本项目结合 Swin Transformer 的强大特征提取能力与 YOLOv8 的高效检测头，实现工业产品表面缺陷的高精度检测。

## 模型列表

| 模型 | 说明 | 大小 | 适用场景 |
|------|------|------|----------|
| `checkpoints/dual_pretrained/best.pt` | 双路 Swin 预训练模型 | 384 MB | 高精度检测，需要较强特征提取能力 |
| `checkpoints/yolov8_base/best.pt` | YOLOv8 基础模型 | 22 MB | 轻量级部署，推理速度快 |
| `checkpoints/yolov8_neck/best.pt` | YOLOv8 + FPN Neck 模型 | 314 MB | 平衡精度与速度 |

## 环境要求

```bash
pip install torch torchvision
pip install ultralytics
```

## 使用方法

### 下载模型

```python
from modelscope.hub.snapshot_download import snapshot_download

# 下载整个模型仓库
model_dir = snapshot_download('Brilliantccc/Swin-Defect-Detection')

# 或下载指定文件
model_dir = snapshot_download(
    'Brilliantccc/Swin-Defect-Detection',
    file_path='checkpoints/yolov8_base/best.pt'
)
```

### 推理示例

```python
from ultralytics import YOLO

# 加载模型
model = YOLO('checkpoints/yolov8_base/best.pt')

# 推理
results = model('test_image.jpg')

# 显示结果
results[0].show()
```

### 训练

```bash
# YOLOv8 基础训练
python train_yolov8.py --data configs/mvtec.yaml --epochs 100

# YOLOv8 + Neck 训练
python train_yolov8_neck.py --data configs/mvtec.yaml --epochs 100

# 双路 Swin 预训练
python train_dual_pretrained.py --data configs/mvtec.yaml --epochs 100
```

## 数据集格式

支持 MVTec AD 和 VisA 数据集格式，使用 YOLO 格式的标注文件。

## 许可证

Apache 2.0