# 薄膜缺陷数据集（YOLO 风格标注：labels/*.txt，每行 `class_id cx cy w h`，归一化坐标）。
# 类别顺序即标注里的 class_id，改动顺序等于改变标签含义，必须重新训练。
# 也可以写成 data.yaml 的路径，从其中的 names 读类别：classes: data/film/data.yaml
classes: [scratch, bubble, particle, crease, stain]

# 图像级标签形式；模型的分类头、分类损失、分类指标都跟随它。
#   multilabel（多类）：一张图可同时含多种缺陷，多热标签 + BCE，全 0 表示 OK 片；
#   multiclass（单类）：一张图只归一个类别，互斥 softmax + CE，
#                       分类头多一维表示"无缺陷"（下标 = len(classes)），
#                       一图出现多种缺陷时取框数最多的类别。
# 无论取哪种，定位分支始终按 classes 逐类输出 heatmap。
label_mode: multilabel

image_size: [512, 512]
gray: false

data:
  train:
    dataset:
      name: film_defect
      img_dir: data/film/images/train
      label_dir: null          # 缺省按 YOLO 约定取 data/film/labels/train
      gray: false
      max_objects: 64
      transforms:
        - {name: Resize, size: [512, 512]}
        - {name: RandomHorizontalFlip, p: 0.5}
        - {name: RandomVerticalFlip, p: 0.5}
        - {name: ColorJitter, brightness: 0.2, contrast: 0.2}
        - {name: ToTensor}
        - {name: Normalize, mean: [0.485, 0.456, 0.406], std: [0.229, 0.224, 0.225]}
    loader:
      batch_size: 16
      shuffle: true
      num_workers: 8
      drop_last: true

  val:
    dataset:
      name: film_defect
      img_dir: data/film/images/val
      label_dir: null
      gray: false
      transforms:
        - {name: Resize, size: [512, 512]}
        - {name: ToTensor}
        - {name: Normalize, mean: [0.485, 0.456, 0.406], std: [0.229, 0.224, 0.225]}
    loader:
      batch_size: 16
      shuffle: false
      num_workers: 4