xzhou/ModelTrainEval
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
71 Commits 1 Branch 0 Tags
154677032ff8014d4df78c7494f10c9dd1c6d5db
Commit Graph
8 Commits
Author SHA1 Message Date
Shaun ZhouandClaude Opus 5 154677032f Revert "约束预测框互不重叠"（eba533a、9439cbb） 
去掉强制非重叠：detect.py 不再给 DetectionValidator.postprocess 打补丁，
配置里移除 train.max_overlap 与 agnostic_nms，可视化脚本恢复为直接使用模型原始输出，
engine/detection 里的 suppress_overlaps / filter_overlapping_outputs 一并移除。

约束会把 mAP50 从 0.555 压到 0.483（precision 0.536->0.612），代价是按置信度抑制时
高分错框会压掉本可命中的低分框。需要时用 git revert 这次提交即可取回。

按类别分目录的可视化产出结构（36fff98）保留。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
 2026-09-18 15:34:13 +08:00
Shaun ZhouandClaude Opus 5 9439cbb56a feat(detect): 训练期的验证也约束预测框互不重叠 
ultralytics 没有可用的开关：yolo26 是端到端模型，non_max_suppression 对它早退
（utils/nms.py 里 end2end 分支），只按置信度与 max_det 截断，传入的 iou 和 agnostic
都不参与 IoU 抑制；agnostic_nms 只作用于检测头 top-k（每个 anchor 取一个类别），
压不掉不同 anchor 产生的重叠框。

所以给 DetectionValidator.postprocess 包一层 filter_overlapping_outputs。训练期验证、
早停、best.pt 的选择都随之遵守这条约束，指标与最终推理一致。配置项 train.max_overlap
（默认 0，负数关闭），由 detect.py 摘出后自行实现，不传给 ultralytics。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
 2026-09-18 11:30:48 +08:00
Shaun ZhouandClaude Opus 5 ad50c38f41 chore(detect): 配置指向人工复核后的数据集 data/film_yolo 
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
 2026-09-17 16:45:14 +08:00
Shaun ZhouandClaude Opus 5 891f930de2 refactor: prepare_label_studio.py 的内容改动（补上 a3e08a9 漏掉的部分） 
a3e08a9 只提交了 git mv 的改名，内容修改因 git add 的路径报错没有进入暂存区。
本提交补上：

- 缺省输出 runs/<source>_label_studio/，不再写到 data/；该目录同时是 Label Studio
  的 DOCUMENT_ROOT，打印的导入步骤里提醒复核期间不要删除或 --overwrite。
- 总是生成 tasks.json 与 labeling config，去掉 --label-studio 开关。
- 不再写 data.yaml：复核材料不是训练集，没有 data.yaml 就不会被误拿去训练，
  原先"train 与 val 相同"的告警也随之移除（detect.py 里的同类告警保留）。
- detect.py、configs/detect/film.yaml、README 里对旧脚本的引用改为新流程。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
 2026-09-15 17:26:22 +08:00
xzhou 960f0d753a fix(configs): update training epochs in film.yaml and film.yaml for classifier and YOLO models 2026-09-15 06:49:16 +00:00
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