ModelTrainEval

Files

T

Shaun ZhouandClaude Opus 5 af0897f8c7 refactor(detect): 数据集改为扁平结构、不划分 train/val，Label Studio 文件放到根目录

prepare_yolo_dataset.py 的产出先导入 Label Studio 复核，划分留到复核之后，于是：

- 去掉按类别分层的 train/val 切分以及 --val-ratio / --seed，images/ 与 labels/
  下直接是文件；name_map.csv 去掉 split 列，summary.json 的逐类数量改为单列。
- label_studio/ 子目录的内容上移一层：扁平的数据集本身就是 label-studio-converter
  要求的 <input>/{images,labels,classes.txt}，tasks.json 与 labeling config 直接
  生成在根目录，不再需要额外的硬链接视图，DOCUMENT_ROOT 即数据集根目录。
- data.yaml 的 train 与 val 只能指向同一个 images/。ultralytics 能读，但验证指标
  算的是训练集本身，mAP 虚高、早停与 best.pt 的选择失真。脚本结束时告警，
  detect.py 检测到 train == val 时也告警。

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

2026-09-15 17:19:53 +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

feat(detect): 默认模型换成 yolo26n