ModelTrainEval

52 Commits 1 Branch 0 Tags

3 Commits

Include renames

Author	SHA1	Message	Date
Shaun ZhouandClaude Opus 5	d6c6aca325	feat(detect): 默认模型换成 yolo26n CLAUDE.md 已把"只用 convolution 模型"收窄到聚类与数据集生成阶段，检测这一步不再受限，于是换成最新的 YOLO26：端到端（NMS-free），推理侧少一道后处理。取最小的 n 档——数据 1.1 万张且标签是弱监督的，模型大了容易把标注噪声学进去。同时去掉 test_config.py 里"不许用 yolo11/yolo12"的断言，它的依据已随 CLAUDE.md 的改动失效。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-09-11 14:34:16 +08:00
Shaun Zhou	0e830fe253	fix(config): update data YAML path from boxes_gradcam to boxes_shap	2026-09-11 14:29:27 +08:00
Shaun ZhouandClaude Opus 5	8dc2fe6a2e	feat(detect): 把弱监督框数据集链接到 data/ 并接上 YOLO 训练第五步产出的框标签按类别分目录，便于人工核对；检测训练要的是 train/val 划分——类别写在标签第一列，不靠目录名。补上两个入口： - scripts/prepare_yolo_dataset.py：拍平类别目录、按类别分层切分、硬链接到 data/。分层是必需的，black 只有 53 张，随机切容易让小类在验证集里挂零。无框的图默认保留（检测训练里是压低误检的负样本）；拍平后的同名冲突直接报错而不是静默覆盖。 - detect.py + configs/detect/film.yaml：包一层 ultralytics，沿用本仓库的配置继承、设备解析与 SwanLab 可视化。选 YOLOv8 而不是 v11/v12：CLAUDE.md 限定只用 convolution 模型，YOLO11 骨架里有 C2PSA、YOLO12 以注意力为主，只有 v8 的 C2f + SPPF 是纯卷积。 mosaic/mixup 关掉——每张图只有一个弱监督框，拼接后小目标被缩得更小，对 blackdot/whitedot 这类只占千分之几面积的类别是净伤害。 ultralytics 的 project 必须传绝对路径，相对路径会被它再拼到全局 settings 的 runs_dir 上，产出会跑到 runs/detect/runs/detect/<name> 去。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-09-11 12:05:50 +08:00

Author

SHA1

Message

Date

Shaun ZhouandClaude Opus 5

d6c6aca325

feat(detect): 默认模型换成 yolo26n

CLAUDE.md 已把"只用 convolution 模型"收窄到聚类与数据集生成阶段，检测这一步
不再受限，于是换成最新的 YOLO26：端到端（NMS-free），推理侧少一道后处理。
取最小的 n 档——数据 1.1 万张且标签是弱监督的，模型大了容易把标注噪声学进去。

同时去掉 test_config.py 里"不许用 yolo11/yolo12"的断言，它的依据已随
CLAUDE.md 的改动失效。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

2026-09-11 14:34:16 +08:00

Shaun Zhou

0e830fe253

fix(config): update data YAML path from boxes_gradcam to boxes_shap

2026-09-11 14:29:27 +08:00

Shaun ZhouandClaude Opus 5

8dc2fe6a2e

feat(detect): 把弱监督框数据集链接到 data/ 并接上 YOLO 训练

第五步产出的框标签按类别分目录，便于人工核对；检测训练要的是 train/val
划分——类别写在标签第一列，不靠目录名。补上两个入口：

- scripts/prepare_yolo_dataset.py：拍平类别目录、按类别分层切分、硬链接到
  data/。分层是必需的，black 只有 53 张，随机切容易让小类在验证集里挂零。
  无框的图默认保留（检测训练里是压低误检的负样本）；拍平后的同名冲突直接
  报错而不是静默覆盖。
- detect.py + configs/detect/film.yaml：包一层 ultralytics，沿用本仓库的
  配置继承、设备解析与 SwanLab 可视化。

选 YOLOv8 而不是 v11/v12：CLAUDE.md 限定只用 convolution 模型，YOLO11 骨架
里有 C2PSA、YOLO12 以注意力为主，只有 v8 的 C2f + SPPF 是纯卷积。
mosaic/mixup 关掉——每张图只有一个弱监督框，拼接后小目标被缩得更小，对
blackdot/whitedot 这类只占千分之几面积的类别是净伤害。

ultralytics 的 project 必须传绝对路径，相对路径会被它再拼到全局 settings
的 runs_dir 上，产出会跑到 runs/detect/runs/detect/<name> 去。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

2026-09-11 12:05:50 +08:00