Shaun ZhouandClaude Opus 5
5d395b7c25
原始数据从 data/<数据集> 移到了 data/raw/<数据集>。
- 聚类配置的 dataset.root：film / pearlescent 均改为 data/raw/ 下
- 检测配置的 img_dir 与 label_dir 注释同步
- README、data/README、算法文档、流程图（含重新渲染的 PNG）与各脚本
docstring 里的路径示例一并更新
- data/README 补充目录约定：原始数据只读放 data/raw/，
export_clusters.py 的派生数据集放在 data/ 下与 raw/ 平级
- 顺手把 unlabeled 数据集加进 datasets/__init__.py：此前它没在包初始化时注册，
build_dataset({"name": "unlabeled"}) 只有在别处先 import 过该模块时才可用
迁移后重跑全量聚类，结果与迁移前逐项一致（轮廓 0.3255、稳定性 0.9641、
簇大小 [4507, 3795, 4849, 1428]）。
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
52 lines
1.9 KiB
YAML
52 lines
1.9 KiB
YAML
# 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/raw/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/raw/film/images/train
|
||
label_dir: null # 缺省按 YOLO 约定取 data/raw/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/raw/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
|