58 lines
2.0 KiB
YAML
58 lines
2.0 KiB
YAML
# 在 Grad-CAM / SHAP 生成的弱监督框上训练 YOLO 检测模型。
|
||
#
|
||
# 前置步骤：
|
||
# uv run python scripts/generate_boxes.py --config ... --method gradcam # 产出 runs/boxes_gradcam
|
||
# uv run python scripts/prepare_yolo_dataset.py --source runs/boxes_gradcam
|
||
#
|
||
# 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:
|
||
yaml: data/boxes_shap/data.yaml
|
||
|
||
model:
|
||
# 选 v8 而不是 v11/v12：CLAUDE.md 限定只用 convolution 模型，
|
||
# 而 YOLO11 的骨架里有 C2PSA（position-sensitive attention）、YOLO12 更是以注意力为主。
|
||
# YOLOv8 的 C2f + SPPF 是纯卷积。
|
||
# s 是精度/速度的折中；数据只有 1.1 万张且标签是弱监督的，再大容易把标注噪声也学进去。
|
||
weights: yolov8s.pt
|
||
|
||
train:
|
||
epochs: 100
|
||
imgsz: 640
|
||
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。
|
||
fliplr: 0.5
|
||
flipud: 0.5
|
||
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]
|