Shaun ZhouandClaude Opus 5
b0d0dfffbb
- train.py: 先过 require_cuda() 守卫再建模型/数据，支持 --resume 与 --set 覆盖 - eval.py: 允许 CPU，输出定位与分类指标并可写 json - configs: model/dataset/train/eval 四类，通过 `_base_` 组合； classes 既可直接写列表，也可指向 YOLO data.yaml 由框架读 names 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/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/film/images/train
|
||
label_dir: null # 缺省按 YOLO 约定取 data/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/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
|