diff --git a/server/README.md b/server/README.md index a150dcc..9a587d2 100644 --- a/server/README.md +++ b/server/README.md @@ -186,6 +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/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 | @@ -216,7 +217,7 @@ APK 下载引导页（静态页面，源码在 `h5/index.html`，由后端 `/dow | POST | `/admin/annotate-tasks` | 下发标注任务 `{"datasetId":1,"name":"...","imageIds":[...]}`（2026-09-07 图片粒度下发）：勾选的未标注图批量占用（`annotate_task_id` 写任务 id；校验属本数据集/未标注/未占用，任一非法整单拒绝），**已下发图即从「未标注」tab 消失**；同数据集已有 published 任务时拒绝 | | GET | `/admin/annotate-tasks` | 标注任务列表：`datasetId` 可选过滤（**无独立菜单——「标注任务」tab 内嵌数据训练详情页，任务图集网格展示勾选下发的具体图片，头部任务概要条/停用**），含数据集名/池余量/各状态记录数/状态 | | POST | `/admin/annotate-tasks/stop` | 停用任务 `{"id":1}`：整体不可再领取（已领取未提交的可继续提交）；**释放未被领取过的图**（清 `annotate_task_id`，回到「未标注」tab 可再次下发） | -| POST | `/admin/annotate-review` | 批量审核 `{"imageIds":[...],"approve":true}`（详情页「待审核」tab）：通过 → review_status=2；拒绝 → 清 labels_json 回未标注池 + 对应 submitted 记录置 rejected（计入该用户低质统计：通过比例 <80% 且已审核样本 ≥5 → 冻结 24h，自动解冻） | +| POST | `/admin/annotate-review` | 批量审核 `{"imageIds":[...],"approve":true}`（详情页「待审核」tab）：通过 → review_status=2 已标注（**全部框原样保留，含疑似框——通过即人工背书**，2026-09-07 定案）；拒绝 → 清 labels_json 回未标注池 + 对应 submitted 记录置 rejected（计入该用户低质统计：通过比例 <80% 且已审核样本 ≥5 → 冻结 24h，自动解冻） | | GET | `/admin/annotate-records` | 用户标注记录分页：`datasetId/phone/taskId/status` 过滤，每用户每张图的领取/提交快照/审核结果（**「标注记录」tab 同样内嵌详情页**） | | POST | `/admin/annotate-unfreeze` | 手动解冻 `{"phone":"..."}`：清冻结标记与统计基线 | diff --git a/server/biz/controller/admin.go b/server/biz/controller/admin.go index 3f9f994..e5e404f 100644 --- a/server/biz/controller/admin.go +++ b/server/biz/controller/admin.go @@ -87,6 +87,11 @@ func (c *cAdmin) NegativeLibrary(ctx context.Context, req *dto.AdminDatasetNegat return service.Dataset.AdminNegativeLibrary(ctx, req) } +// NegativeGenerate 负样本批量生成（异步任务，含 RF-DETR 空检剔除） +func (c *cAdmin) NegativeGenerate(ctx context.Context, req *dto.AdminNegativeGenerateReq) (*dto.AdminNegativeGenerateRes, error) { + return service.Dataset.AdminNegativeGenerate(ctx, req) +} + // UploadImages 上传图片 func (c *cAdmin) UploadImages(ctx context.Context, req *dto.AdminDatasetUploadReq) (*dto.AdminDatasetUploadRes, error) { return service.Dataset.AdminUploadImages(ctx, req) diff --git a/server/biz/dao/gen_task.go b/server/biz/dao/gen_task.go index 06779b3..c2e430f 100644 --- a/server/biz/dao/gen_task.go +++ b/server/biz/dao/gen_task.go @@ -24,6 +24,7 @@ func init() { status TEXT NOT NULL DEFAULT 'running', total INTEGER NOT NULL DEFAULT 0, done INTEGER NOT NULL DEFAULT 0, + rejected INTEGER NOT NULL DEFAULT 0, error TEXT, created_at TEXT NOT NULL, finished_at TEXT @@ -31,6 +32,8 @@ func init() { if err != nil { panic(err) } + // 存量库迁移：负样本生成空检剔除计数列（2026-09-07） + common.EnsureColumn(ctx, consts.TableGenTask, "rejected", "rejected INTEGER NOT NULL DEFAULT 0") } // Insert 创建生成任务，返回自增 id @@ -98,6 +101,13 @@ func (d *genTaskDao) UpdateProgress(ctx context.Context, id int64, done int) err return err } +// UpdateRejected 更新空检剔除计数（负样本生成收尾时一次性覆盖写） +func (d *genTaskDao) UpdateRejected(ctx context.Context, id int64, rejected int) error { + _, err := g.DB().Model(consts.TableGenTask).Ctx(ctx).Where("id", id). + Data(g.Map{"rejected": rejected}).Update() + return err +} + // Finish 完成任务（done 状态 + 完成时间 + 失败原因；errMsg 非空时为 failed） func (d *genTaskDao) Finish(ctx context.Context, id int64, errMsg string) error { status := consts.GenTaskDone diff --git a/server/biz/model/dto/training.go b/server/biz/model/dto/training.go index 97869d2..c538b46 100644 --- a/server/biz/model/dto/training.go +++ b/server/biz/model/dto/training.go @@ -137,6 +137,18 @@ type AdminDatasetNegativeRes struct { ImageCount int64 `json:"imageCount"` } +// AdminNegativeGenerateReq 负样本库批量生成（异步任务）：config.yml 内置场景池按序循环组装提示词 +// （negativeScenes/negativeAnimals 池），逐张生成后自动过 RF-DETR 全图检测，有检出即剔除不入库 +type AdminNegativeGenerateReq struct { + g.Meta `path:"/datasets/negative/generate" method:"post" summary:"负样本批量生成(异步任务)" tags:"管理端"` + Count int `json:"count" v:"required|integer|min:1|max:1000" dc:"生成张数 1-1000"` +} + +type AdminNegativeGenerateRes struct { + TaskId int64 `json:"taskId"` // 生成任务 id（复用 GET /datasets/gen-task 按 datasetId 轮询进度） + Total int `json:"total"` +} + // AdminDatasetUploadReq 上传图片（multipart 多文件；重名跳过并计数） type AdminDatasetUploadReq struct { g.Meta `path:"/datasets/upload" method:"post" summary:"上传图片" tags:"管理端" mime:"multipart/form-data"` @@ -182,6 +194,7 @@ type AdminGenTaskQueryRes struct { Status string `json:"status"` // running | done | failed Total int `json:"total"` Done int `json:"done"` + Rejected int `json:"rejected"` // 空检剔除张数（负样本生成专用，其余任务恒 0） Error string `json:"error"` CreatedAt *gtime.Time `json:"createdAt"` FinishedAt *gtime.Time `json:"finishedAt"` diff --git a/server/biz/model/entity/gen_task.go b/server/biz/model/entity/gen_task.go index 6bfb908..bfd81cd 100644 --- a/server/biz/model/entity/gen_task.go +++ b/server/biz/model/entity/gen_task.go @@ -8,7 +8,8 @@ type GenTask struct { DatasetId int64 `json:"datasetId" orm:"dataset_id" description:"所属数据集"` Status string `json:"status" orm:"status" description:"running|done|failed"` Total int `json:"total" orm:"total" description:"计划生成张数"` - Done int `json:"done" orm:"done" description:"已生成张数"` + Done int `json:"done" orm:"done" description:"已处理张数(含剔除)"` + Rejected int `json:"rejected" orm:"rejected" description:"空检剔除张数(负样本生成专用,RF-DETR 检出即剔除)"` Error string `json:"error" orm:"error" description:"失败原因(部分失败/全部失败)"` CreatedAt *gtime.Time `json:"createdAt" orm:"created_at" description:"创建时间"` FinishedAt *gtime.Time `json:"finishedAt" orm:"finished_at" description:"完成时间"` diff --git a/server/biz/service/annotate.go b/server/biz/service/annotate.go index 03e2a0e..d69bbf0 100644 --- a/server/biz/service/annotate.go +++ b/server/biz/service/annotate.go @@ -271,6 +271,7 @@ func (s *annotateService) AdminReview(ctx context.Context, req *dto.AdminAnnotat err = common.Serial().Submit(ctx, func() error { return g.DB().Transaction(ctx, func(ctx context.Context, tx gdb.TX) error { if req.Approve { + // 通过 = 已标注（全部框原样保留——通过即人工背书，疑似框是合法的 class 1 训练标注） if err := dao.DatasetImage.SetReviewStatus(ctx, ids, consts.ReviewImageApproved); err != nil { return err } diff --git a/server/biz/service/dataset.go b/server/biz/service/dataset.go index f3393be..64478a0 100644 --- a/server/biz/service/dataset.go +++ b/server/biz/service/dataset.go @@ -578,6 +578,19 @@ func (s *datasetService) AdminCreateDataset(ctx context.Context, req *dto.AdminD // 特殊数据集，不存在则 Serial 内懒创建（防并发重建）+ 建目录；返回 id 与图片数， // 管理端「负样本」tab 复用既有上传/图片列表/删除接口（负样本无标注/审核/清洗/生成流程） func (s *datasetService) AdminNegativeLibrary(ctx context.Context, req *dto.AdminDatasetNegativeReq) (*dto.AdminDatasetNegativeRes, error) { + lib, err := s.ensureNegativeLibrary(ctx) + if err != nil { + return nil, err + } + cnt, err := dao.DatasetImage.CountByDataset(ctx, lib.Id) + if err != nil { + return nil, err + } + return &dto.AdminDatasetNegativeRes{Id: lib.Id, Name: lib.Name, ImageCount: cnt}, nil +} + +// ensureNegativeLibrary 懒创建并返回负样本库数据集（Serial 内防并发重建；幂等） +func (s *datasetService) ensureNegativeLibrary(ctx context.Context) (*entity.Dataset, error) { now := gtime.Now() var lib *entity.Dataset err := common.Serial().Submit(ctx, func() error { @@ -608,11 +621,144 @@ func (s *datasetService) AdminNegativeLibrary(ctx context.Context, req *dto.Admi if err := os.MkdirAll(common.DatasetImagesDir(ctx, lib.Name), 0o755); err != nil { return nil, gerror.Wrap(err, "创建负样本库目录失败") } - cnt, err := dao.DatasetImage.CountByDataset(ctx, lib.Id) + return lib, nil +} + +// 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 +// 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）—— +// 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) { + provider := common.ImageGen(ctx) + if provider == nil { + return nil, gerror.NewCode(common.CodeImageGenNotConfigured) + } + tpl := g.Cfg().MustGet(ctx, "imageGen.negativePromptTemplate").String() + scenes := g.Cfg().MustGet(ctx, "imageGen.negativeScenes").Strings() + animalTpl := g.Cfg().MustGet(ctx, "imageGen.negativeAnimalPromptTemplate").String() + animals := g.Cfg().MustGet(ctx, "imageGen.negativeAnimals").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)") + } + lib, err := s.ensureNegativeLibrary(ctx) if err != nil { return nil, err } - return &dto.AdminDatasetNegativeRes{Id: lib.Id, Name: lib.Name, ImageCount: cnt}, nil + now := gtime.Now() + var taskId int64 + if err := common.Serial().Submit(ctx, func() error { + running, err := dao.GenTask.GetRunningByDataset(ctx, lib.Id) + if err != nil { + return err + } + if running != nil { + return gerror.NewCode(common.CodeGenTaskRunning) + } + taskId, err = dao.GenTask.Insert(ctx, &entity.GenTask{ + DatasetId: lib.Id, + Status: consts.GenTaskRunning, + Total: req.Count, + CreatedAt: now, + }) + return err + }); err != nil { + return nil, err + } + s.runNegativeGenTask(taskId, lib, req.Count, tpl, scenes, animalTpl, animals, 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) { + 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 = append(combined, scenes...) + animalStart := len(combined) + combined = append(combined, animals...) + 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)] + prompt := tpl + if animalTpl != "" && i%len(combined) >= animalStart { + prompt = animalTpl // 混淆动物条目：否定句只排除目标物种 + } + prompt = strings.Replace(prompt, "{scene}", entry, 1) + var data []byte + err := common.GenTaskPoolInstance().Submit(bgCtx, func(ctx context.Context) error { + d, e := provider.Generate(ctx, prompt, "704x1248") + data = d + return e + }) + if err != nil { + _ = dao.GenTask.Finish(bgCtx, taskId, fmt.Sprintf("第 %d 张生成失败(已入库 %d 张): %v", i+1, generated, err)) + return + } + data, jErr := ensureJpeg(data) + if jErr != nil { + _ = 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 + if qa != nil { + w, h := imageSize(data) + if w > 0 && h > 0 { + dets, dErr := qa.Detect(bgCtx, data, "image/jpeg", w, h) + if dErr != nil { + g.Log().Warningf(bgCtx, "负样本空检失败(fail-open 保留): %v", dErr) + } else if len(dets) > 0 { + rejected++ + processed++ + _ = common.Serial().Submit(bgCtx, func() error { + if rErr := dao.GenTask.UpdateRejected(bgCtx, taskId, rejected); rErr != nil { + return rErr + } + return dao.GenTask.UpdateProgress(bgCtx, taskId, processed) + }) + continue + } + } + } + filename := fmt.Sprintf("neg_%s_%04d.jpg", now.Time.Format("20060102150405"), i) + if err := common.WriteFileAtomic(filepath.Join(dir, filename), data); err != nil { + _ = dao.GenTask.Finish(bgCtx, taskId, fmt.Sprintf("第 %d 张保存失败(已入库 %d 张): %v", i+1, generated, err)) + return + } + if insErr := common.Serial().Submit(bgCtx, func() error { + _, err := dao.DatasetImage.Insert(bgCtx, &entity.DatasetImage{ + DatasetId: lib.Id, + Filename: filename, + Source: "ai", + CreatedAt: now, + }) + return err + }); insErr != nil { + _ = dao.GenTask.Finish(bgCtx, taskId, fmt.Sprintf("第 %d 张入库失败(已入库 %d 张): %v", i+1, generated, insErr)) + return + } + generated++ + processed++ + _ = common.Serial().Submit(bgCtx, func() error { + return dao.GenTask.UpdateProgress(bgCtx, taskId, processed) + }) + } + if err := common.Serial().Submit(bgCtx, func() error { + if err := dao.GenTask.UpdateRejected(bgCtx, taskId, rejected); err != nil { + return err + } + return dao.Dataset.UpdateCounters(bgCtx, lib.Id, int64(generated), -1, "") + }); err != nil { + g.Log().Errorf(bgCtx, "负样本生成任务 %d 收尾更新失败: %+v", taskId, err) + } + _ = dao.GenTask.Finish(bgCtx, taskId, "") + }() } // ensureJpeg 模型生成的图片统一转 jpg：解码校验 + 非 jpeg（png/webp 等）转 jpeg(Quality 92)。 @@ -1445,6 +1591,7 @@ func (s *datasetService) AdminGenTaskQuery(ctx context.Context, req *dto.AdminGe Status: t.Status, Total: t.Total, Done: t.Done, + Rejected: t.Rejected, Error: t.Error, CreatedAt: t.CreatedAt, FinishedAt: t.FinishedAt, @@ -1567,16 +1714,16 @@ func (s *datasetService) ImageFile(ctx context.Context, datasetId int64, filenam // ---------- 数据清洗（训练集去冗余；语义与档位见技术设计.md「数据清洗」/consts.CleanBuckets） ---------- -// cleanImageStat 参与统计的单图（labels_json 含 class 0 框：面积最大者定档，其框高为展示主尺寸； -// 档内保留取舍看 minHPct——小目标样本稀缺，先保最小确认目标更小的图） +// cleanImageStat 参与统计的单图（labels_json 含有效框即入统计，2026-09-07 起不区分确认/疑似类别： +// 面积最大者定档，其框高为展示主尺寸；档内保留取舍看 minHPct——小目标样本稀缺，先保最小目标更小的图） type cleanImageStat struct { id int64 filename string source string - area float64 // 最大 class0 框面积 w*h（找最大框用） + area float64 // 最大框面积 w*h（找最大框用） hPct float64 // 该框高占图高百分比（定档与主尺寸展示） - minHPct float64 // 图内最小 class0 框占比（优先保留依据；单目标图 = hPct） - targetCnt int // class0 目标总数 + minHPct float64 // 图内最小框占比（优先保留依据；单目标图 = hPct） + targetCnt int // 框总数 bucket int } @@ -1624,7 +1771,7 @@ func (s *datasetService) AdminCleanPreview(ctx context.Context, req *dto.AdminDa for i, b := range consts.CleanBuckets { res.Buckets[i] = &dto.AdminCleanBucketRes{Label: b.Label, Exempt: i == 0, Quota: quotas[i]} } - // 第一遍：定档统计（仅含 class 0 的图），已排除清单全量收集（当前无 class 0 标注的也列出，恢复不丢） + // 第一遍：定档统计（含任意有效框的图，不区分确认/疑似），已排除清单全量收集（当前无框的也列出，恢复不丢） actives := make([][]*cleanImageStat, len(consts.CleanBuckets)) // 桶内未排除图，保持 id 升序 for _, img := range images { if img.CleanExcluded == 1 { @@ -1636,8 +1783,8 @@ func (s *datasetService) AdminCleanPreview(ctx context.Context, req *dto.AdminDa var boxes []*dto.AdminLabelBox if json.Unmarshal([]byte(img.LabelsJson), &boxes) == nil { for _, b := range boxes { - if b.Class != 0 || b.W <= 0 || b.H <= 0 { - continue // 只认确认框(class 0)；疑似框(class 1)不入尺寸统计 + if b.W <= 0 || b.H <= 0 { + continue // 无效框不入尺寸统计（确认/疑似均参与，2026-09-07 定案） } pct := b.H * 100 stat.targetCnt++ @@ -1652,7 +1799,7 @@ func (s *datasetService) AdminCleanPreview(ctx context.Context, req *dto.AdminDa } } } - if stat.area <= 0 { // 无确认目标（未标注/空检出/仅 class 1）：不入档 + if stat.area <= 0 { // 无任何有效框（未标注/空检出）：不入档 if img.CleanExcluded == 1 { res.ExcludedImages = append(res.ExcludedImages, info) } diff --git a/server/config.yml b/server/config.yml index a3497ce..ddc5cfb 100644 --- a/server/config.yml +++ b/server/config.yml @@ -57,6 +57,29 @@ imageGen: # 迫使模型把目标画大（2026-08-31 实测两次失败后定案）——只留「远到看不清任何细节的小点」 promptTemplateTiny: "野外大远景实拍：手机原相机主摄不变焦，{scene}，{position}有且仅有{count}{species}{sizeHint}，远到看不清任何细节，只是隐约可辨的{tone}小点，画面绝大部分是{scene}，没有任何靠近镜头的动物，{light}，写实野外摄影，真实照片质感" lights: [清晨柔和阳光, 正午明亮天光, 傍晚金色斜阳, 阴天柔和散射光] + # 负样本生成（技术设计.md「负样本库」）：场景池按「三物种各自易被误认的形状/机理」系统穷举 + # （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），模板与正样本同相机词 + # 同质感词、不含任何目标词；{scene} 按序循环取池（保证每个短语均匀覆盖）。 + # 混淆动物单独模板——否定句只排除目标物种（图里的猫狗麻雀正是要教的"非目标"）。 + # 生成后自动过 RF-DETR 全图检测，有检出即剔除不入库（空检合格才进负样本库） + negativePromptTemplate: "写实摄影：手机原相机主摄不变焦，{scene}，光线自然，画面中没有任何动物、飞鸟和人物，真实照片质感" + negativeScenes: [ + 靠墙立着的扫把和拖把, 门口的门框与墙角线, 桌角与椅腿的斜线构图, 靠墙的雨伞和登山杖, + 花园里斜插的竹竿和植物支架, 生锈的铁栅栏立柱, 盘绕在地面上的花园水管, 靠墙放着的铝梯, + 晾衣杆上挂着一排衣架的剪影, 斜靠在树干上的长树枝, 篮球架的立柱与篮筐, 路边的电线杆与斜拉钢缆, + 路边圆圆的石头和土块, 老树桩与盘结的树根, 装满东西的麻袋编织袋, 门口系好的垃圾袋, + 成排摆放的花盆与陶罐, 沙发上摞着的靠垫抱枕, 草地上的干草垛, 屋顶堆放的旧瓦片, + 地上放着的双肩包, 花园角落的堆肥堆, 电线上的绝缘子和一串小灯泡, 缠挂在电线上的旧风筝, + 屋檐下挂着的灯笼和玉米串, 挂满柿子的果树梢, 建筑外墙的空调外机与管线, 树枝上成簇的松果, + 悬在树杈间的大草团, 路灯灯头与监控探头, 阳台上悬挂的衣物, 树杈间卡着的塑料袋, + 客厅一角布艺沙发与茶几, 卧室床铺与床头柜, 厨房台面灶具与悬挂的锅铲, 卫生间瓷砖与毛巾架, + 书桌电脑键盘与零散杂物, 车库里堆放的纸箱工具和靠墙的自行车, 楼道里的消防栓与管道, + 阳台栏杆与洗衣盆, 餐厅餐桌餐椅与吊灯, 空旷的开阔草地, 茂密的灌丛坡地, + 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" + 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] # 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） diff --git a/server/data/observer.db b/server/data/observer.db index b244138..cad3d7d 100644 Binary files a/server/data/observer.db and b/server/data/observer.db differ diff --git a/server/技术设计.md b/server/技术设计.md index f2b8484..703fa97 100644 --- a/server/技术设计.md +++ b/server/技术设计.md @@ -407,7 +407,7 @@ training: - `localAi` 配置节点：键与取值以 config.yml 为准，文档不复制具体数值（曾多次调整阈值致双源漂移，2026-09-02 起删除此类描述）——**部署前提：RF-DETR 服务须从 Go 服务器可达**（现跑在 Mac 上，部署时搬服务器/训练机；**未配置时图片上传/生成接口直接报错**——标注是强语义，不允许产生无标注图片；配置调不通则任务 failed，页顶错误条展示，不自动重试）；**端点为配置唯一来源，无运行时覆盖** - **预标注自动触发（2026-08-26 决策，无手动按钮）**：手动上传/AI 生成图片入库成功后，自动对**本次新增图**发起标注；**`localAi` 未配置 → 上传/生成接口直接报错**（同步检查，生成场景在第一张生成前检查避免付费资产生成后标不了）；**已有 running 标注任务（忙）→ 不报错**：上传/生成照常成功，新图由「任务成功完成后自动补标未标注图」机制兜底（每轮任务成功结束时检查该数据集**从未扫描过**的图（labels 为 null/''），有则自动续一轮——失败任务不续，防配置坏时无限重试；**2026-09-02 空检出图不入自动补标池**：检出为空的图写 `labels_json='[]'` 后仍被视作未标注（管理端未标注 tab 照常展示等人工画框），但不入自动池——空检出图若留池，每轮自动续一轮只会扫到别的空图、扫完又轮回来：RNPHE_202（阈值调高后 0 检出，低阈下 12 个候选全为噪声，无一过丢弃线）单张被上一版「排除本轮已扫图」恰好挡住未暴露，2026-09-02 兔子批量 3 张空检出实测 {9}→{10,17}→{9}… 无限交替、每轮白打一次 RF-DETR 方暴露；现自动链条只扫从未扫描的图，每张图至多被自动扫一次，空检出图确需重扫由人工触发（按文件名批量/全量任务，见下））；service 逐张调 local-ai 推理（common 池并行，`label_task` 记录 total/done 进度）→ 扫描结果（YOLO 归一化 xywh + 置信度 + 建议类别）**直写 `dataset_image.labels_json`（重跑覆盖该图标注）**；**置信度分档（2026-09-02 起按两档语义调定，具体数值以 config.yml 为准不在此复制）**：conf ≥ confConfirmed 落 class 0 真目标，threshold ≤ conf < confConfirmed 落 class 1 疑似待人工复核，低于 threshold 不入库；背景（RNPHE_257 实测）：COCO 通用 rfdetr 对类鸟纹理误检置信度可达 0.46~0.5 且与真目标仅差 ~0.1（真目标 0.562、两误检 0.477/0.462 曾全落 class 0），低置信段是纯噪声候选（该图 21 个原始检出中 17 个落此区间）；单阈值无法分离真/假目标（类别名也无用——全部输出 "bird"）；误检落 class 0 会作为雉鸡正样本直接污染训练集，危害大于真目标降级疑似（后者人工一键确认即可）；**重叠去重（2026-08-26 修订）**：NMS 风格、按置信度降序依次保留，与已保留框**重叠比（minIoU = 交叠面积/两框较小面积）> `localAi.overlapThreshold`**的框剔除（同目标被重复检出只留置信度最高者，跨 class 去重；人工画框不参与去重）——**用 minIoU 而非 IoU**：RF-DETR 对同一目标常输出一大一小两个框（标准 IoU 仅 0.3~0.5 会漏杀，实测红黄重叠即此形态），大框套小框时小框被覆盖比例高，minIoU 命中；相邻目标两框互有外露，minIoU 通常 < 0.3；**全图扫描**（项目既定规则：不套用生成规格的位置裁剪，候选宁多勿漏）；**单图框数上限（2026-09-02，定义于 consts.go `consts.MaxPrelabelPerImage`）**：去重后仍超上限按置信度取前 N（曾按生成声明数 animal_count 裁剪致漏目标——声明 1 个不代表图内只有 1 个；手动上传图同限）；不设候选确认两阶段（2026-08-26 撤销 candidates_json）；`POST /admin/label-tasks` 接口保留（服务端 `filenames` 参数支持指定图批量重标，2026-09-02 前端入口收敛后仍可全量——不传 filenames 即全量扫描） - **预标注四级漏斗（2026-09-04，树栖藏匿难例）**：树冠藏匿生成图（树栖物种目标仅占画面高 ~2%）在全图扫描下不可检——模型包固定 700x700 stretch 输入（见「预标注模型固定 700x700」，不支持动态分辨率，提高提交分辨率无增益），占图高 2% 的目标等比缩入后仅 ~15px 落在检出盲区。单张处理升级为逐级漏斗，**检测只信 RF-DETR，VLM 永不直接出框（只提议候选区）**：①**全图扫描**（现有 `Detect`，`localAi.threshold`）有候选即收（绝大多数图到此命中，不触发后级）；②空检出 → **切片扫描**：`common.TileRegions` 滑窗切块（块长边/重叠比 = `localAi.tileSize`/`tileOverlap`，边缘块贴边收口保证全覆盖）逐块 `DetectRegion` 按低阈值（`localAi.tileThreshold`，小目标置信度天然偏低，量级取 RF-DETR-S 实测经验；低于全图丢弃线的候选仍入库落疑似 class 1，宁多勿漏）检测，块内坐标在 DetectRegion 内映射回原图像素，跨块重复检出由既有 minIoU 去重兜住；③仍空 → **VLM 提议候选区**：qwen3-vl-8b 按「宁可指错不可遗漏」提示词输出 ≤`consts.VlmLocateMaxRegions` 个归一化候选区（与手动藏匿位补检不同：此阶段图内无已确认框，无排除集；物种注入同 vlm-review——`gen_species` 空回退数据集名），逐区扩大 `consts.VlmRegionExpand` 倍（VLM 坐标偏粗，扩大给 RF-DETR 足够上下文，钳制图片边界）后 `DetectRegion` 精修，精修命中的框才采纳、未命中丢弃（VLM 误报被 RF-DETR 否掉）；**VLM 失败/超时/输出非法一律跳过该级不阻塞任务**（三模型共存 + local-ai 服务端排队串行，无需显存互斥检查，2026-09-02 已放开）；④全空 → 写 `'[]'`（语义不变：未标注 tab 展示等人工画框、不入自动补标池防乒乓）。漏斗各级候选同通道处理：conf ≥ confConfirmed 落 class 0、否则 class 1、minIoU 去重、单图上限 `consts.MaxPrelabelPerImage`，全图扫描不套生成规格的项目规则不变。单图超时 120s → `consts.LabelImageTimeoutSec`（切片 ~20 块串行 + VLM 兜底；切片在单图池任务内串行执行，不嵌套协程池） -- **标注审核状态机（2026-09-04）**：`dataset_image.review_status`（EnsureColumn 幂等补列）：`0=未标注, 1=待审核, 2=已审核`；存量迁移——labels_json 非空数组→2（既有标注视为已审定稿）、null/''/'[]'→0。流转：预标注完成→1（**空检出保持 0**——无框可审，「确认无动物」应由人工画框/清洗表达，避免空图混入已审核口径）、App 用户提交→1、管理端工作台保存（AdminLabelSave）→2、审核「通过」→2、「拒绝」→ 清 labels_json + 回 0（图重新进任务池）；**训练集打包（prepareYoloSet）只收 review_status=2**（标签质量闸门，原「labels_json 非空即收」作废）；管理端图片 tab 由三变四：未标注(0)/待审核(1)/已标注(2)/已清洗，另加「标注任务」「标注记录」两个管理面板 tab（同在详情页，无独立菜单，2026-09-07 用户定案）——**任务面板=任务图集网格**（任务即勾选下发的具体图片，选几张展示几张，每张角标=任务 id+状态；头部仅任务概要条与停用；下发入口在未标注 tab 勾选图片顶栏，2026-09-07 修订），记录面板=本数据集众包记录查询/解冻（两列表接口支持 `datasetId` 过滤；`annotate_record` 领取时冗余 `dataset_id` 列，单表过滤不跨表）；labeled_count 与 dataset.status='labeled' 口径同步改为 review_status=2 计数（2 必然非空框，无歧义） +- **标注审核状态机（2026-09-04）**：`dataset_image.review_status`（EnsureColumn 幂等补列）：`0=未标注, 1=待审核, 2=已审核`；存量迁移——labels_json 非空数组→2（既有标注视为已审定稿）、null/''/'[]'→0。流转：预标注完成→1（**空检出保持 0**——无框可审，「确认无动物」应由人工画框/清洗表达，避免空图混入已审核口径）、App 用户提交→1、管理端工作台保存（AdminLabelSave）→2、审核「通过」→2、「拒绝」→ 清 labels_json + 回 0（图重新进任务池）；**疑似框语义（2026-09-07 用户定案）**：审核「通过」= 人工背书，**全部框原样保留进已标注**（含 class 1 疑似框——suspect 是合法的第二训练类别），通过不再回退未标注；存量一次性清理（已执行 2026-09-07）：仅疑似框且未经人工确认的已审核图清空回未标注（兔子 781 等，混合标注图不动）；**训练集打包（prepareYoloSet）只收 review_status=2**（标签质量闸门，原「labels_json 非空即收」作废）；管理端图片 tab 由三变四：未标注(0)/待审核(1)/已标注(2)/已清洗，另加「标注任务」「标注记录」两个管理面板 tab（同在详情页，无独立菜单，2026-09-07 用户定案）——**任务面板=任务图集网格**（任务即勾选下发的具体图片，选几张展示几张，每张角标=任务 id+状态；头部仅任务概要条与停用；下发入口在未标注 tab 勾选图片顶栏，2026-09-07 修订），记录面板=本数据集众包记录查询/解冻（两列表接口支持 `datasetId` 过滤；`annotate_record` 领取时冗余 `dataset_id` 列，单表过滤不跨表）；labeled_count 与 dataset.status='labeled' 口径同步改为 review_status=2 计数（2 必然非空框，无歧义） - **自动标注退场（2026-09-04 用户定案）**：删除上传入库与生成完成（genTaskAutoLabel）两处 AutoLabel 触发及 autoSupplement 自动补标机制（补标池/空检出乒乓问题随机制一并消亡）；**`localAi` 未配置不再阻断上传/生成**（标注改纯管理端手动动作，「不允许产生无标注图」强语义随自动标注退场删除）；标注唯一入口 = 管理端勾选图片「预标」（AdminStartLabelTask 保留） - **App 标注众包与时长激励（2026-09-04；图片粒度下发 2026-09-07 用户定案）**：App 用户处理标注任务换取使用时长，全链路进待审核，服务端记录每用户每张图的处理明细。**下发粒度（2026-09-07 修订）**：任务 = 管理端**勾选的具体图片集合**（不再是数据集级动态池）——`dataset_image.annotate_task_id`（EnsureColumn 幂等补列，默认 0=未下发）作占用标记：下发时 Serial 内批量写占用（校验属本数据集/未标注/未占用），**已下发图即从管理端「未标注」tab 消失**（tab 只显示 annotate_task_id=0）；领取池 = 本任务占用且 review_status=0 且 clean_excluded=0 的图；停用任务时**释放未被领取过的图**（清 annotate_task_id，回到未标注 tab 可再下发），已领取未提交的可继续提交（有 annotate_record 的图不释放）。**表**：`annotate_task`（下发任务：dataset_id/name/status published|stopped/created_at）；`annotate_record`（用户标注记录：phone_num/task_id/image_id/labels_json 提交快照/status pending|submitted|approved|rejected/created_at/submitted_at/reviewed_at——pending 即领取锁（partial unique index 同图仅一条 pending，超时在领取时惰性释放；**并发防重**：挑图 + 插锁全程在 Serial 临界区内串行执行，并发领取时后读方一定看到先读方刚插入的锁，同一张图不会分给多人，索引为跨实例兜底），UNIQUE(phone_num,image_id) 一人一图仅一次（拒后图仍在本任务池内可被他人再标），拒绝不删记录＝惩罚统计依据）；`reward_log`（发放流水：phone_num/minutes/task_id/granted_at——日上限按自然日求和）；`license.annotate_frozen_until` + `license.annotate_stats_since`（EnsureColumn）：冻结到期标记（>now 即冻结，时间戳对比天然自动解冻，无定时任务）与统计基线（冻结时重置，实现解冻后重新累计）。**规则**：领取 = 每次 `annotateReward.claimSize` 张（池内排除该用户已有 annotate_record 的图，冻结中/停用不可领）；提交 = 框写 labels_json + review_status=1 + 记录置 submitted，每累计 `perImages`(10) 张 submitted 发 `minutes`(30) 分钟（license.expires_at = max(now,expires_at)+30min 分钟级顺延），当日已发 +30 > `dailyCapMinutes`(120) 则本次不发（App 展示今日已达上限）；审核 = 管理端批量通过/拒绝，每次审核后重算该用户通过比例（reviewed_at ≥ stats_since 的 approved/(approved+rejected)），已审核样本 ≥ `minReviewed`(5) 且比例 < `freezeRatio`(0.8) → annotate_frozen_until=now+`freezeHours`(24h) 且 stats_since=now（惩罚不追溯扣已到账时长）。**接口**：admin 下发（传 `imageIds` 勾选图）/列表/停用任务、批量审核（通过/拒绝）、用户标注记录分页；App(/api/v1) 任务列表（含我的统计/冻结态）、领取、提交、我的统计——App 契约不变（仍按 taskId 领取），仅池语义变为任务占用集。**配置**：`config.yml annotateReward` 节点（数值以 config.yml 为准不在此复制），阈值类缺失回退 consts 默认 - **手动标注入口收敛（2026-09-02 决策）**：详情页删除「全量标注」按钮与图片卡片「审核」按钮，**标注入口仅两处（勾选图片驱动，顶栏）**：①「预标」= POST `/admin/label-tasks` 传选中图 `filenames`（只扫选中图，覆盖各图已有标注）；②「补标」= 对选中图逐张 POST `/datasets/images/vlm-review`（VLM 藏匿位补检，追加疑似框，批量=前端循环单图接口，依赖已确认框作为排除基准）——VLM 补检按钮从标注编辑器迁出（2026-09-02）；点卡片缩略图仍进人工编辑器（确认/清理/画框，编辑器内不再有 VLM 按钮），编辑器文案「图片审核」→「图片标注」；服务端全量重标能力保留但不再有 UI 入口 @@ -419,7 +419,7 @@ training: ### 数据清洗（训练集去冗余，2026-09-02） - **语义（区别于视觉判重）**：不是删「长得像」的图，而是按标注算目标尺寸、按**尺寸档配额**去重——易档（中近距离）堆量、难档（<2% 极远）稀缺是当前数据集冗余的真实形态（2026-09-02 实测：dHash 整图/目标裁剪双重判定，生成图逐张随机 scene/action 几乎无近重复，严格阈值可去近 0 张；而 环颈雉 280 张实拍中 4-8% 档 109 张占 39%——同场地连拍帧为主，删冗余几乎无损） -- **目标尺寸口径**：`labels_json` 归一化框高 h 即目标占图高比例（**不需解码图片**）；多框取最大 class 0 框定档（候选行展示的主尺寸）；**档内保留取舍参考图内最小确认目标**（2026-09-02：多目标图里的小目标样本比主目标稀缺，同档冗余取舍先保它们）；像素高 ≈ h×1280（训练尺度，等比近似）；**仅 class 1 疑似图与空检出 `[]` 图不入清单**（无确认目标，无从定尺寸，等人工确认后自然进入统计） +- **目标尺寸口径**：`labels_json` 归一化框高 h 即目标占图高比例（**不需解码图片**）；多框取最大框定档（**2026-09-07 起不区分确认/疑似类别**——已审核图的疑似框是人工背书的合法标注，统计须覆盖全部已审核图）；**档内保留取舍参考图内最小目标**（2026-09-02：多目标图里的小目标样本比主目标稀缺，同档冗余取舍先保它们）；像素高 ≈ h×1280（训练尺度，等比近似）；**仅空检出 `[]`/无框图不入清单**（无框无从定尺寸） - **档位**：按图高占比细档 <2% / 2-3 / 3-4 / 4-6 / 6-8 / 8-12 / 12-20 / >20%——宽档（如 4-8%）跨 2 倍尺度，直接按宽档配额会把半档删光，须细档分别设配额；**<2% 极远档固定豁免**（recall 瓶颈档，只缺不多）；各档配额请求可传，缺省用代码默认（consts.go）；**配额随目标尺寸单调递减（2026-09-02 用户定案）**：尺寸越大越易检出、单张边际训练价值越低，冗余切得越狠——小档护稀缺硬样本。**档位↔距离映射（2026-09-04 定案，主摄 4:3、垂直 FOV≈55°，r ≈ 框高/(距离×0.96)）**：同一占比对不同体型动物对应不同距离——2-3% 档 ≈ 雉鸡(框高~0.5m) 17-26m / 野兔(~0.35m) 12-18m / 斑鸠(~0.18m) 6-9m；<2% 档 = 雉鸡 >26m / 野兔 >18m / 斑鸠 >9.4m。**物理上限**：s档 imgsz 1280 有效图高 960px，占比 0.5% ≈ 5px 低于可靠检出线——100m 处三物种框高均 2~5px 不可检，90% 识别的现实半径（s 档）为雉鸡 ~40-50m / 野兔 ~30m / 斑鸠 ~12-15m（n 档 @704 有效高 528px 再减半，远距只有 s 档谈得上）。**默认配额按每物种 800 张训练规模设定（2026-09-04 方案B，覆盖 5m-100m 目标）**：2-3%:110 / 3-4%:100 / 4-6%:90 / 6-8%:70 / 8-12%:60 / 12-20%:50 / >20%:40（可控档合计 520 + <2% 豁免档主动供给 ~300 且集中在 1-2% 子带（≈雉鸡 26-52m），≈800/物种；0.5% 以下（雉鸡 >52m）低于可检线，不值得花生成预算；500 规模前的旧小数据集各档总量 < 配额时清洗不裁剪，不受影响。配额仅裁剪超配档，未超配档全留——想净留 800 建议准备 900~1000 张再按此表跑清洗）。曾用 225 规模默认（60/50/40/30/20/15/10）、500 规模方案A（100/90/80/60/55/50/35）已随规模上调替换 - **桶内多样性保留**：超配桶内保留谁不随机——**先按图内最小确认目标（class 0）尺寸升序扫描**（小目标样本稀缺，同档图里带更小目标的先占保留名额；同最小尺寸按 id 保持稳定），整图 dHash（common 层，9x8 灰度 64 位）与已保留图最小汉明距离大于阈值才留，**留够配额即停，其余全进候选清单**（连拍帧天然相邻近哈希，只留首帧；不同场景同尺寸的目标尽量都保）；候选行展示主尺寸 + 最小目标占比 + 目标数，供人工判断取舍 - **执行语义（排除而非删除）**：候选清单人工过目后打 `dataset_image.clean_excluded=1`（EnsureColumn 迁移）——**只影响训练集打包**（prepare_yolo 跳过），图片/标注不动、列表/标注/预标全流程照常可见；**可恢复**（清除标记即回训练集，付费资产原则：清洗默认不删文件，物理删除仍走人工逐删） @@ -431,7 +431,8 @@ training: - **实现决策：不建新表**——负样本库是一个特殊数据集：`dataset.source='negative'`、固定保留名 `__negative__`（consts.NegativeDatasetName，目录名同名；AdminCreateDataset 拒绝用户使用该保留名），完全复用 `dataset`/`dataset_image` 表与上传/删除/图片网格能力。首次进入管理端「负样本」tab 时 `POST /admin/datasets/negative` 懒创建（Serial 内防并发重建）。 - **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）、AI 生成（AdminGenerateImages）、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）。 +- **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。 - **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） diff --git a/server_admin/src/views/Datasets.vue b/server_admin/src/views/Datasets.vue index ae56093..b730bca 100644 --- a/server_admin/src/views/Datasets.vue +++ b/server_admin/src/views/Datasets.vue @@ -1,5 +1,5 @@ @@ -603,36 +680,81 @@ onBeforeUnmount(() => { - + + + + + + + + +

+ 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）； + 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。 +

+ + +
数据集：{{ startRow?.name }}
@@ -750,22 +872,65 @@ onBeforeUnmount(() => { gap: 10px; min-height: 120px; } -.neg-cell { - aspect-ratio: 4 / 3; - border: 2px solid transparent; - border-radius: 6px; +/* 负样本卡片：与 DatasetDetail 图片网格同款 */ +.card-grid { + display: grid; + grid-template-columns: repeat(auto-fill, minmax(220px, 1fr)); + gap: 14px; +} +.img-card { + background: #fff; + border: 1px solid #ebeef5; + border-radius: 8px; + padding: 10px; +} +.card-img { + position: relative; overflow: hidden; - cursor: pointer; - background: #f5f7fa; + border-radius: 6px; + background: #000; + cursor: zoom-in; + border: 1px solid #dcdfe6; } -.neg-cell img { - width: 100%; - height: 100%; - object-fit: cover; +.card-img img { display: block; + width: 100%; + height: auto; + object-fit: contain; } -.neg-cell.is-sel { - border-color: var(--el-color-primary); +.card-select { + position: absolute; + top: 6px; + left: 6px; + z-index: 2; + padding: 2px 3px; + background: rgba(255, 255, 255, 0.9); + border-radius: 4px; +} +.card-name { + margin-top: 6px; + font-size: 13px; + color: #303133; + font-weight: 600; + overflow: hidden; + text-overflow: ellipsis; + white-space: nowrap; +} +.pager { + display: flex; + justify-content: center; + margin-top: 14px; +} +.neg-progress { + display: flex; + align-items: center; + gap: 12px; + margin-bottom: 12px; +} +.neg-progress-tip { + font-size: 12px; + color: #909399; + white-space: nowrap; } .toolbar { display: flex;