Shaun ZhouandClaude Opus 5 fad1fe9fbb feat(scripts): 重训流程加入切片步骤 ...

产线要求模型输入固定为 TILE_SIZE×TILE_SIZE 且禁止 resize，训练数据必须先切片，
否则训出来的模型与推理侧的输入形态对不上——实测 640 训练的模型在 160 的片上
一个框都出不来。

五步：导出 -> 装配 -> 切片 -> 训练（imgsz 跟着 TILE_SIZE）-> 切权重并重启后端。
重启时把 YOLO_TILE_SIZE / YOLO_TILE_OVERLAP 一并传给后端，保证两侧尺寸一致。
TILE_SIZE=0 可跳过切片，只用于和旧模型对比。

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

2026-09-23 15:22:58 +08:00

..

build_yolo_dataset.py

fix(detect): 钳掉 Label Studio 导出坐标的浮点溢出

2026-09-17 16:44:42 +08:00

check_env.py

feat: 支持 cuda / mps / cpu 三后端，Mac 上可用 MPS 训练

2026-09-02 21:43:35 +08:00

cluster_unlabeled.py

feat(cluster): clusters/ 默认改用硬链接，便于直接在 runs/ 下继续分子类

2026-09-10 12:04:08 +08:00

export_clusters.py

feat(cluster): clusters/ 默认改用硬链接，便于直接在 runs/ 下继续分子类

2026-09-10 12:04:08 +08:00

generate_boxes.py

feat(boxes): 新增传统 CV 定位方法（--method cv），不依赖分类模型

2026-09-17 11:03:13 +08:00

prepare_label_studio.py

feat(detect): 把 Label Studio 的 YOLO 导出装配成带 train/val 划分的数据集

2026-09-17 16:42:53 +08:00

push_predictions.py

feat(detect): 推理侧改为切片，与固定 160 输入一致

2026-09-23 15:12:35 +08:00

retrain_from_label_studio.sh

feat(scripts): 重训流程加入切片步骤

2026-09-23 15:22:58 +08:00

start_ml_backend.sh

feat(ml-backend): Start Training 按钮真正触发重训，启动/重训脚本进 scripts/

2026-09-21 11:00:01 +08:00

tile_dataset.py

fix(detect): 切片统计的口径

2026-09-23 15:13:18 +08:00

visualize_detections.py

feat(detect): 推理侧改为切片，与固定 160 输入一致

2026-09-23 15:12:35 +08:00