74 lines
3.0 KiB
YAML
74 lines
3.0 KiB
YAML
# 在人工修正过的弱监督框上训练 YOLO 检测模型。
|
||
#
|
||
# 前置步骤：
|
||
# uv run python scripts/generate_boxes.py --method shap --out runs/boxes_shap # 生成弱监督框
|
||
# uv run python scripts/prepare_label_studio.py --source runs/boxes_shap # 复核材料
|
||
# 在 Label Studio 里修正标签，导出 YOLO 格式
|
||
# uv run python scripts/build_yolo_dataset.py --export data/film_yolo_shap.zip \
|
||
# --images runs/boxes_shap_label_studio/images --out data/film_yolo
|
||
#
|
||
# 用法：
|
||
# uv run python detect.py --config configs/detect/film.yaml
|
||
# uv run python detect.py --config configs/detect/film.yaml --eval-only \
|
||
# --checkpoint runs/detect/film/weights/best.pt
|
||
|
||
work_dir: runs/detect/film
|
||
seed: 42
|
||
device: auto
|
||
|
||
data:
|
||
# 切成固定 128x128 的片：产线要求模型输入固定尺寸且禁止 resize。
|
||
# uv run python scripts/tile_dataset.py --data data/film_yolo/data.yaml \
|
||
# --out data/film_yolo_128 --size 128
|
||
yaml: data/film_yolo_128/data.yaml
|
||
|
||
model:
|
||
# CLAUDE.md 的"只用 convolution 模型"只约束聚类与数据集生成阶段，检测这一步不受限，
|
||
# 所以用最新的 YOLO26。它是端到端的（NMS-free），推理侧少一道后处理。
|
||
# n 是最小的一档：数据只有 1.1 万张且标签是弱监督的，模型大了容易把标注噪声也学进去。
|
||
weights: yolo26n.pt
|
||
|
||
train:
|
||
epochs: 500
|
||
|
||
# 必须与数据集的片大小一致。数据已经是 128x128，ultralytics 的 letterbox 这时
|
||
# 缩放比 r = min(128/128, 128/128) = 1、填充 dw=dh=0，退化成空操作，不会碰像素。
|
||
# 改尺寸时：重跑 tile_dataset.py，再同步改这里。
|
||
imgsz: 128
|
||
batch: 16
|
||
workers: 8
|
||
optimizer: auto
|
||
patience: 20 # 20 轮没提升就早停
|
||
cos_lr: true
|
||
fraction: 1.0 # 只取训练集的一部分；冒烟测试时调小，如 0.02
|
||
amp: true # 非 CUDA 后端 ultralytics 会自行退回关闭
|
||
|
||
# 数据增强。翻转按聚类阶段的结论开着（缺陷没有固定朝向）；
|
||
# 但 mosaic/mixup 关掉——它们会把四张图拼在一起，而我们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 这类本来就只占千分之几面积的类别是伤害。
|
||
# 只留镜像翻转：翻转不改变尺度，符合"禁止拉伸"的约束
|
||
fliplr: 0.5
|
||
flipud: 0.5
|
||
|
||
# 以下几何增强都会重采样像素，全部关掉。
|
||
# 注意 scale 与 translate 的 ultralytics 默认值是 0.5 / 0.1（不是 0），
|
||
# 不显式写出来就等于一直在做仿射缩放平移。
|
||
scale: 0.0
|
||
translate: 0.0
|
||
degrees: 0.0
|
||
mosaic: 0.0
|
||
mixup: 0.0
|
||
hsv_h: 0.0 # 单色/近单色的薄膜图，色相扰动没有意义
|
||
hsv_s: 0.3
|
||
hsv_v: 0.3
|
||
|
||
plots: true # results.png / PR 曲线 / 混淆矩阵 / val_batch 预测图
|
||
save_period: -1
|
||
|
||
swanlab:
|
||
enabled: true
|
||
project: film-detect
|
||
name: null
|
||
mode: local
|
||
tags: [detect, yolov8s, gradcam-boxes]
|