Shaun ZhouandClaude Opus 5
4fc0fa5353
- docs/unsupervised-clustering.md: 逐图标准化对仿射光照群的不变性证明、 多 stage 特征的取舍、PCA 白化失效的谱分析、KMeans 收敛性与 kmeans++ 近似比、 轮廓系数与 NMI 稳定性的定义、NT-Xent 与 InfoNCE 下界，附全部消融数据与代码对照表 - figures/: 四张 mermaid 图（流水线、KMeans 控制流、SimCLR、主成分谱）， 含 .mmd 源、.md 预览与渲染好的 .png - README: 数据准备、训练评估、多类/单类、SwanLab、Profiler、聚类与自监督的运行说明 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
data
存放数据集本体或指向数据集的软链接；除本文件外的内容都不入库（见 .gitignore）。
标注采用 YOLO 风格：images/ 下每张图在同层 labels/ 里有一个同名 .txt。
data/
└── film/
├── images/ # 原图（或指向 NAS 的软链：ln -s /mnt/nas/film/images data/film/images）
│ ├── train/0001.png
│ └── val/0002.png
├── labels/ # 与 images 目录结构一一对应
│ ├── train/0001.txt
│ └── val/0002.txt
└── data.yaml # path / train / val / nc / names
标注文件每行一个目标，坐标相对图像宽高归一化到 [0, 1]，中心点格式：
<class_id> <cx> <cy> <w> <h>
0 0.312500 0.204688 0.087500 0.065625
1 0.640625 0.712500 0.120000 0.093750
class_id是data.yaml/ 配置里classes的下标，顺序即含义，改动必须重新训练。- 空文件或缺失
.txt= 无缺陷样本（OK 片），会作为纯负样本参与训练。 - 也接受 YOLO 分割格式的多边形行（
class_id x1 y1 x2 y2 ...），读取时取外接矩形。
data.yaml 与 ultralytics 通用：
path: data/film
train: images/train
val: images/val
nc: 5
names: {0: scratch, 1: bubble, 2: particle, 3: crease, 4: stain}
配置里的 classes 既可以直接写类别列表，也可以写成 data/film/data.yaml 由框架读取 names。
还没分类的样本
data/film 下按人工整理留下的目录（grease、wrinkle、反面纵黑点 ……）只是历史产物，
不是最终类别。要重新梳理类别时用无监督聚类，它会忽略这些目录名、把所有图拉平处理：
uv run python scripts/cluster_unlabeled.py --config configs/cluster/film.yaml
结果里的 clusters/cluster_XX/ 是软链目录，人工确认后再决定每个簇对应什么缺陷、
以及是否要合并/拆分。
从其它格式转过来
# labelme / VOC -> YOLO txt（顺带生成 data.yaml）
uv run python scripts/convert_annotations.py --format labelme \
--input data/film/labelme --images data/film/images \
--output data/film/labels --data-yaml data/film/data.yaml
# 划分 train / val（默认建软链，不复制数据）
uv run python scripts/split_dataset.py --images data/film/images \
--labels data/film/labels --val-ratio 0.2 --data-yaml data/film/data.yaml