ModelTrainEval

Files

T

Shaun ZhouandClaude Opus 5 57446c2f10 refactor: 合并为单一的框生成入口，gradcam / shap 可选，默认全量

此前是两个脚本：gradcam_boxes.py 全量跑但只有一种方法，shap_boxes.py 默认抽样
且强制输出对比图。两者合并为 scripts/generate_boxes.py：

- --method gradcam|shap 二选一，默认 gradcam
- 默认对全量数据生成；--limit / --per-class 降级为试参数用的可选项
- --min-area-ratio 缺省随方法而变（gradcam 0.02、shap 0.002）：两者归因图分辨率差
  16 倍，同一个小黑点在 128x128 上只占百来像素，共用阈值会被整个滤掉

产出改为符合 CLAUDE.md 工作流第 8 步的规格，是一个自成一体的 YOLO 数据集：
images/ 是原图硬链接、labels/ 是 YOLO 标签、heatmaps/ 是热力图叠加框。
images/ 与 labels/ 的对应关系符合仓库的 YOLO 约定，FilmDefectDataset 可直接读取，
把分类产出接回了检测训练链路（已加测试验证这条闭环）。

热力图目标类别改为模型 top1 预测（原为目录标注），--target label 可切回；
summary.json 记录两者一致率（实测 0.9873）。

修掉一个会静默丢标签的 bug：产出按预测类别分目录，不同源目录下的同名图
（dirA/x.png 与 dirB/x.png）若被预测到同一类会写同一个标签路径，后写的覆盖前者。
现在显式检测并中止，提示用 export_clusters.py --prefix-parent 重新导出。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

2026-09-10 16:26:56 +08:00

conftest.py

test: 单元测试与端到端冒烟

2026-09-02 17:55:47 +08:00

test_classification.py

feat: 新增缺陷分类训练与评估链路

2026-09-10 14:58:41 +08:00

test_cluster.py

feat(cluster): 输出簇分布图，直观展示簇间距离

2026-09-04 15:09:35 +08:00

test_config.py

fix(config): --set 拦下不存在的键，并支持续训时重开学习率曲线