2 Commits

Include renames

Author	SHA1	Message	Date
Shaun ZhouandClaude Opus 5	c2bd5301b4	feat(deploy): 模型归档统一为 film_<边长>_<时间戳> ... 之前 160 的 OpenVINO 导出直接从 current.pt 导，文件名不带边长也不带时间戳， 同时留着 128 和 160 两套时分不清谁是谁，软链接又会被下次训练改写。 - 新增 scripts/export_openvino.py：把权重归档成 film_<边长>_<时间戳>.pt 并导出 同名的 OpenVINO 目录。边长从 checkpoint 读、时间戳从训练目录名取，所以同一次 训练无论何时归档名字都一样，也不会出现文件名与实际输入尺寸对不上。 - 重训脚本第 5 步自动归档；训练目录与切片数据集的名字也带上边长。 - openvino_predict.py 的示例路径跟着更新。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-09-30 15:11:45 +08:00
Shaun ZhouandClaude Opus 5	ada67466d4	feat(deploy): 不依赖 ultralytics 的 OpenVINO 推理脚本 ... 只用 openvino + numpy + PIL，可以直接拷到部署设备上跑（连同 engine/tiling.py 与 engine/detection.py 三个文件）。 自己解码原始输出：前 4 行是像素 xywh、可能越界要裁剪，其余每行一个类别的分数且已过 sigmoid；导出的 metadata.yaml 里 end2end=false，必须自己做 NMS——实测同一个目标会出 3 个候选框。灰度图自动补成三通道。 图片已经是模型输入尺寸时直接推理；大于输入尺寸时加 --tile-size 自行切片再拼回。 给了 --labels 还会统计逐类 TP/FP/FN。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-09-24 17:50:53 +08:00