1

server/README.md

@@ -186,7 +186,7 @@ APK 下载引导页（静态页面，源码在 `h5/index.html`，由后端 `/dow
 | POST | `/admin/datasets` | 创建数据集 `{"name":"pheasant_v2","namePrefix":"pheasant","source":"manual"\|"ai","cover":"<文件名>"}`（name ≤50 字唯一，目录自动建；namePrefix=AI 生成图文件名前缀，生成图按 `<前缀>_<两位序号>.jpg` 顺序命名；物种=数据集名（单物种规则），创建时同步调 VLM(qwen3.6-35b-a3b) 自动生成物种/场景/动作/遮挡/站高/类别名等生成参数池，响应含 `poolsGenerated`/`poolError`——VLM 失败不阻断创建，参数可事后用 gen-pools 补生成；封面优先用 cover 参数（新建对话框预生成封面回传，跳过自动生成），否则参数池成功后自动生成 16:9（1248x704）封面（1 雄 1 雌并排，响应含 `coverGenerated`/`coverError`，失败可在编辑模式重新生成）；模型生成图统一转 jpg 落盘） |
 | GET | `/admin/datasets` | 数据集列表：`page/size` 分页，返回 `{total, list}`（含 imageCount/labeledCount/status/cover/description/**training 聚合状态**：最新训练记录的 status/currentEpoch/totalEpochs）；**排除负样本库**（source=negative，仅「负样本」tab 展示） |
 | POST | `/admin/datasets/negative` | 获取负样本库（2026-09-07）：不存在则自动创建（source=negative 固定名 `__negative__`），返回数据集记录；其 id 供既有 `/admin/datasets/upload`、`/admin/datasets/images`、`/admin/datasets/images/delete`、`/admin/datasets/image` 复用（负样本无标注/审核/清洗流程） |
-| POST | `/admin/datasets/negative/generate` | 负样本批量生成 `{"count":100}`（异步任务，2026-09-07）：config.yml 内置场景池按序循环组装提示词（negativeScenes 空场景/negativeAnimals 混淆动物两池两模板），逐张生成后**自动过 RF-DETR 全图检测，有检出即剔除不入库**；进度复用 GET `/admin/datasets/gen-task`（rejected=剔除数），入口在管理端「负样本」tab |
+| POST | `/admin/datasets/negative/generate` | 负样本批量生成 `{"count":100}`（异步任务，2026-09-07）：config.yml 内置场景池按序循环组装提示词（negativeScenes 空场景 + negativeHumans 人物/衣物两池两模板；**动物不进统一负样本**——它们将来可能是正式识别目标），空场景图**自动过 RF-DETR 空检、有检出即剔除不入库**（人物图不做空检）；进度复用 GET `/admin/datasets/gen-task`（rejected=剔除数），入口在管理端「负样本」tab |
 | POST | `/admin/datasets/update` | 更新数据集配置 `{"id":1,"name":"新名","namePrefix":"pheasant","description":"...","cover":"a.jpg"}`：名称（改名）/文件名前缀/描述/封面，空值字段不覆盖原值；gen_* 生成参数池不在此维护（仅 VLM 生成，见 gen-pools）；改名同步迁移图片目录与模型文件，标注/训练进行中拒绝 |
 | POST | `/admin/datasets/gen-pools` | 重新生成数据集生成参数池 `{"datasetId":1}`：按数据集名（物种）调 VLM(qwen3.6-35b-a3b) 生成轮廓色/站高/场景/动作/遮挡并写表（覆盖旧值）；失败报错保留旧值 |
 | POST | `/admin/datasets/images/vlm-review` | VLM 藏匿位补检 `{"datasetId":1,"imageId":5}`（两阶段标注第二阶段，**须与图像生成显存互斥**）：qwen3.6-35b-a3b(+mmproj) 排除已确认框，按环境/季节/时间/天气/光线/地形/习性综合判读画面推理藏身位，追加 ≤3 个疑似框（class 1）进同一 labels_json |

server/biz/service/dataset.go

@@ -625,8 +625,9 @@ func (s *datasetService) ensureNegativeLibrary(ctx context.Context) (*entity.Dat
 }
 
 // AdminNegativeGenerate 负样本批量生成（异步任务）：提示词从 config.yml 内置场景池按序循环组装
-// （negativeScenes 空场景 + negativeAnimals 混淆动物，保证每个短语均匀覆盖）；逐张生成后自动过
+// （negativeScenes 空场景 + negativeHumans 人物/衣物——动物不进统一负样本，它们将来可能是正式识别目标）。
-// RF-DETR 全图检测，**有检出即剔除不入库**（图里有像目标的东西就不能当背景喂给训练）——
+// 空场景图逐张过 RF-DETR 全图检测，**有检出即剔除不入库**（图里有像目标的东西就不能当背景喂训练）；
+// 人物图不做空检（检出人是预期，检测模型不区分目标物种）。
 // 检测服务不可达时 fail-open 保留该图并记日志（付费资产原则：不因质检通道故障丢弃已生成图）。
 // 进度复用 GET /datasets/gen-task 按 datasetId 轮询（rejected 列为剔除计数）。
 func (s *datasetService) AdminNegativeGenerate(ctx context.Context, req *dto.AdminNegativeGenerateReq) (*dto.AdminNegativeGenerateRes, error) {
@@ -636,8 +637,8 @@ func (s *datasetService) AdminNegativeGenerate(ctx context.Context, req *dto.Adm
 	}
 	tpl := g.Cfg().MustGet(ctx, "imageGen.negativePromptTemplate").String()
 	scenes := g.Cfg().MustGet(ctx, "imageGen.negativeScenes").Strings()
-	animalTpl := g.Cfg().MustGet(ctx, "imageGen.negativeAnimalPromptTemplate").String()
+	humanTpl := g.Cfg().MustGet(ctx, "imageGen.negativeHumanPromptTemplate").String()
-	animals := g.Cfg().MustGet(ctx, "imageGen.negativeAnimals").Strings()
+	humans := g.Cfg().MustGet(ctx, "imageGen.negativeHumans").Strings()
 	if tpl == "" || len(scenes) == 0 {
 		return nil, gerror.New("未配置负样本生成模板/场景池(imageGen.negativePromptTemplate/negativeScenes)")
 	}
@@ -665,30 +666,32 @@ func (s *datasetService) AdminNegativeGenerate(ctx context.Context, req *dto.Adm
 	}); err != nil {
 		return nil, err
 	}
-	s.runNegativeGenTask(taskId, lib, req.Count, tpl, scenes, animalTpl, animals, provider, now)
+	s.runNegativeGenTask(taskId, lib, req.Count, tpl, scenes, humanTpl, humans, provider, now)
 	return &dto.AdminNegativeGenerateRes{TaskId: taskId, Total: req.Count}, nil
 }
 
 // runNegativeGenTask 负样本生成执行协程（生命周期任务，同 runGenTask 模式）：池内逐张生成 →
 // 转 jpg → RF-DETR 空检 → 合格才落盘入库。done 计已处理张数（含剔除），rejected 计剔除张数。
-func (s *datasetService) runNegativeGenTask(taskId int64, lib *entity.Dataset, count int, tpl string, scenes []string, animalTpl string, animals []string, provider common.ImageGenProvider, now *gtime.Time) {
+func (s *datasetService) runNegativeGenTask(taskId int64, lib *entity.Dataset, count int, tpl string, scenes []string, humanTpl string, humans []string, provider common.ImageGenProvider, now *gtime.Time) {
 	bgCtx := context.Background()
 	go func() {
 		dir := common.DatasetImagesDir(bgCtx, lib.Name)
 		qa := common.LocalAiClient(bgCtx) // 空检通道（可能为 nil：fail-open 全保留并记日志）
-		combined := make([]string, 0, len(scenes)+len(animals))
+		combined := make([]string, 0, len(scenes)+len(humans))
 		combined = append(combined, scenes...)
-		animalStart := len(combined)
+		humanStart := len(combined)
-		combined = append(combined, animals...)
+		combined = append(combined, humans...)
 		generated := 0
 		rejected := 0
 		processed := 0
 		for i := 0; i < count; i++ {
 			// 按序循环取池：每个短语均匀覆盖，不漏条目
-			entry := combined[i%len(combined)]
+			idx := i % len(combined)
+			isHuman := idx >= humanStart // 人物/衣物：主体是画面意图本身，且永远不会是识别目标
+			entry := combined[idx]
 			prompt := tpl
-			if animalTpl != "" && i%len(combined) >= animalStart {
+			if isHuman && humanTpl != "" {
-				prompt = animalTpl // 混淆动物条目：否定句只排除目标物种
+				prompt = humanTpl // 否定句只排除目标物种
 			}
 			prompt = strings.Replace(prompt, "{scene}", entry, 1)
 			var data []byte
@@ -706,8 +709,9 @@ func (s *datasetService) runNegativeGenTask(taskId int64, lib *entity.Dataset, c
 				_ = dao.GenTask.Finish(bgCtx, taskId, fmt.Sprintf("第 %d 张转 jpg 失败(已入库 %d 张): %v", i+1, generated, jErr))
 				return
 			}
-			// 空检质检：RF-DETR 全图检测有候选即剔除（负样本必须全空）；检测失败 fail-open 保留
+			// 空检质检：RF-DETR 全图检测有候选即剔除（负样本必须全空）；检测失败 fail-open 保留。
-			if qa != nil {
+			// 仅对空场景生效——人物图检出人是预期，不做空检
+			if qa != nil && !isHuman {
 				w, h := imageSize(data)
 				if w > 0 && h > 0 {
 					dets, dErr := qa.Detect(bgCtx, data, "image/jpeg", w, h)

server/config.yml

@@ -78,8 +78,15 @@ imageGen:
     林地边缘的树木与草地交界, 积雪覆盖的开阔旷野, 河边大片卵石滩, 收割后的农田田埂,
     茂密的芦苇丛, 城市人行道与斑马线, 露天停车场的车辆间距, 公园步道与路边长椅
   ]
-  negativeAnimalPromptTemplate: "写实摄影：手机原相机主摄不变焦，{scene}，光线自然，画面中没有雉鸡、野兔和斑鸠，真实照片质感"
+  negativeHumanPromptTemplate: "写实摄影：手机原相机主摄不变焦，{scene}，光线自然，画面中没有雉鸡、野兔和斑鸠，真实照片质感"
-  negativeAnimals: [趴在院子里的家猫, 蹲坐在路边的家犬, 电线上落着的一排麻雀, 广场上觅食的鸽子群, 树枝上的喜鹊]
+  # 人物/衣物池（2026-09-07 用户定案）：人与服饰永远不会是识别目标，可安全进统一负样本；
+  # 动物（猫/狗/鸽子等）不进统一负样本——它们将来可能训练成正式识别目标，公共负样本会压杀自家模型。
+  # 此类带主体图不参与空检剔除（RF-DETR 检出人是预期，无法按物种甄别），靠提示词保证不含目标物种
+  negativeHumans: [
+    远处田间弯腰劳作的农民, 公园小路上散步的行人, 石子路上迎面走来的游客, 蹲在田埂上休息的人,
+    骑电动车驶过乡间道路的人, 树丛边缘经过的穿迷彩服的人, 挂在晾衣绳上的外套和花色衣物,
+    阳台栏杆上晾晒的被褥和衣物, 坐在长椅上穿深色外套的人的背影, 草地远处玩耍的孩童身影
+  ]
   # 目标尺寸提示（sizeHint）：按「体高 × focalPx ÷ 表单距离」算出目标在图中的像素高与占比，
   # 注入模板 {sizeHint}——把「厘米」换算成「米」再参与投影公式；focalPx = 图高/2 ÷ tan(vfov/2)；
   # 站高取数据集表 gen_heights（创建数据集时 VLM 生成，界面不维护，代码/配置不硬编码）

server/技术设计.md

@@ -432,7 +432,7 @@ training:
 - **管理端「数据训练」页双 tab（2026-09-07 用户定案）**：「数据集」tab = 现有数据集卡片列表（列表接口排除负样本库），「负样本」tab = 负样本库图片网格（复用既有上传/删除接口，按负样本库 datasetId 调用；无标注/审核/清洗/预标/生成/众包流程）。
 - **训练打包混入（prepareYoloSet）**：打包主数据集后查负样本库，存在且有图则全部图片（不看 review_status/clean_excluded——负样本库无审核语义）加入训练包：文件名统一加 `neg_` 前缀（防与主数据集图重名覆盖），label txt 写空内容（= 背景图），随主数据集按同一 80/20 逻辑拆 train/val（val 含负样本可观测背景误检率）；`data.yaml` 类别不变（负样本不引入新类）。无负样本库/库为空 → 行为与原来完全一致。
 - **入口防护**：预标注（AdminStartLabelTask）、众包下发（AdminCreateTask）、发起训练（AdminStartTraining）对 `source='negative'` 数据集一律拒绝（负样本库单独训练无意义、其图片不需要标注）。
-- **负样本批量生成（2026-09-07）**：`POST /admin/datasets/negative/generate`（count 1-1000，异步任务，复用 gen_task 表按 datasetId 轮询进度，新增 `rejected` 剔除计数列）——提示词从 config.yml 内置池按序循环组装（保证每个短语均匀覆盖）：`imageGen.negativeScenes`（~50 条，按「三物种易被误认的形状机理」穷举：细长轮廓→雉鸡/圆拱形→野兔/高处停息悬挂→斑鸠 + 室内/户外空镜）走 `negativePromptTemplate`（无任何目标词 + 显式否定「没有任何动物」）；`imageGen.negativeAnimals`（混淆动物：猫/狗/麻雀/鸽子/喜鹊）走 `negativeAnimalPromptTemplate`（否定句只排除目标物种）。**逐张生成后自动过 RF-DETR 全图检测，有检出即剔除不入库**（图里有像目标的东西就不能当背景喂训练）；检测服务不可达 fail-open 保留该图记日志（付费资产原则）。尺寸与正样本一致 704x1248。
+- **负样本批量生成（2026-09-07）**：`POST /admin/datasets/negative/generate`（count 1-1000，异步任务，复用 gen_task 表按 datasetId 轮询进度，新增 `rejected` 剔除计数列）——提示词从 config.yml 内置池按序循环组装（保证每个短语均匀覆盖）：`imageGen.negativeScenes`（~50 条，按「三物种易被误认的形状机理」穷举：细长轮廓→雉鸡/圆拱形→野兔/高处停息悬挂→斑鸠 + 室内/户外空镜）走 `negativePromptTemplate`（无任何目标词 + 显式否定「没有任何动物」）；`imageGen.negativeHumans`（人物/衣物：田间劳作/行人/迷彩服/晾晒衣物——端侧「人和衣物被识别成动物」的常见误报源）走 `negativeHumanPromptTemplate`（否定句只排除目标物种）。**动物不进统一负样本（2026-09-07 用户定案）**：猫/狗/鸽子等将来可能训练成正式识别目标，统一负样本会把它们的模型压杀掉——物种级混淆难例属于该物种数据集自己的事。**空检剔除仅对空场景生效**：空场景图过 RF-DETR 全图检测、有检出即剔除（图里有像目标的东西不能当背景喂训练）；人物图不做空检（检出人是预期，检测模型无法按物种甄别，靠提示词保证不含目标物种）。检测服务不可达 fail-open 保留该图记日志（付费资产原则）。尺寸与正样本一致 704x1248。
 - **删除防护**：AdminDeleteDataset 拒绝删除负样本库（防误删整库）；单张图片删除照常可用。
 
 ### 模型热更新与多模型推理（客户端 Flutter）

server_admin/src/views/Datasets.vue

@@ -746,8 +746,9 @@ onBeforeUnmount(() => {
         </el-form-item>
       </el-form>
       <p class="start-note">
-        内置场景池按序循环生成（细长轮廓 / 圆拱形 / 高处停息悬挂 / 室内户外空镜 / 混淆动物，与正样本同相机风格）；
+        内置场景池按序循环生成（细长轮廓 / 圆拱形 / 高处停息悬挂 / 室内户外空镜 / 人与衣物，
-        每张生成后自动过 RF-DETR 空检，有检出的自动剔除不入库。约 40 秒/张，进度见负样本 tab 进度条。
+        与正样本同相机风格）；空场景图自动过 RF-DETR 空检，有检出的自动剔除不入库。
+        约 40 秒/张，进度见负样本 tab 进度条。
       </p>
       <template #footer>
         <el-button @click="negGenVisible = false">取消</el-button>