Skip to content

det_model.md

Latest commit

 

History

History
60 lines (42 loc) · 3.73 KB

det_model.md

File metadata and controls

60 lines (42 loc) · 3.73 KB
Raw

迷失之地检测模型

迷失之地玩法用于识别地图上各类交互入口(感叹号 / 距离 / 战斗 / 挑战 / 商店等)的 YOLO 目标检测模型。本文记录模型在主仓的来源、消费链路与发布规范;训练与精度评估的详细流程在训练仓 OneDragon-YOLO(文档待补)。

1. 模型概述

项 值
默认模型 yolov26n-736-lost-void-det-20260630
备份模型 yolov8n-736-lost-void-det-20250921
onnx 输入 736×736(正方形)
onnx 输出 YOLOv8 风格 [1, 4+nc, anchors],nc=16
类别 16 类:0000-感叹号 … 0014-挑战-收割、0015-迷雾

类别定义见模型目录下 labels.csv,配置项 ModelConfig.lost_void_det。

2. 模型来源

  • 训练仓:OneDragon-YOLO,代码在 src/one_dragon_yolo/zzz/lost_void_det/(训练脚本 lost_void_det_03_train.py)。训练流程文档待补充。
  • 数据集:ZZZ-LostVoidDet-Dataset(ModelScope: DoctorReid/ZZZ-LostVoidDet-Dataset)。原图 1920×1080,训练时两两上下拼接成 2208×2208 正方形后喂模型。
  • 发布:OneDragon-Anything/OneDragon-YOLO 的 release tag zzz_model,资产 <模型名>.zip。

3. 主仓消费链路

配置 → 业务检测器 → 框架加载:

  1. 配置:src/zzz_od/config/model_config.py 的 _DEFAULT_LOST_VOID_DET / _BACKUP_LOST_VOID_DET。新模型无法下载时回退 backup。
  2. 业务封装:LostVoidDetector(src/zzz_od/application/hollow_zero/lost_void/context/lost_void_detector.py),继承 Yolov8Detector,提供"感叹号 / 距离 / 入口"等业务判断。
  3. 框架加载与推理:Yolov8Detector(src/one_dragon/yolo/yolov8_onnx_det.py):
    • 预处理 onnx_utils.scale_input_image_u:等比缩放、左上对齐的 letterbox,对 736×736 正方形自洽。
    • 后处理 process_output:np.squeeze(output[0]).T + 动态切片,不硬编码类别数,16 类开箱兼容。
    • 标签加载 _load_detect_classes:只读 labels.csv(idx,label);框架全线(yolo_config_utils.is_model_existed 等)都不认 model_label.txt。
  4. 本地目录:assets/models/lost_void_det/<模型名>/(gitignore),必须含 labels.csv + model.onnx。

4. 模型获取与发布规范

下载与解压:OnnxModelLoader(src/one_dragon/yolo/onnx_model_loader.py)从 zzz_model release 下载 <模型名>.zip,extractall 到 assets/models/lost_void_det/<模型名>/。

zip 结构(发布规范):

<模型名>.zip
├── labels.csv      # idx,label 表头;框架只认这个,不认 model_label.txt
└── model.onnx

两个踩坑点:

  • 必须平铺在 zip 根、无子目录。unzip_model 用 extractall 到 <模型名>/,zip 内若再带一层 <模型名>/,实际路径变成 <模型名>/<模型名>/model.onnx,框架找不到。
  • 标签必须是 labels.csv(idx,label 表头)。训练侧导出的标签文件格式各异,框架只认 labels.csv,其它格式需转换。

升级模型 checklist:

  1. 训练仓导出 model.onnx;把训练侧的标签文件转成 labels.csv(首行 idx,label,逐行 <序号>,<类别名>)。
  2. 平铺打包 <新模型名>.zip(仅 labels.csv + model.onnx)。
  3. 上传 release:gh release upload zzz_model <新模型名>.zip -R OneDragon-Anything/OneDragon-YOLO --clobber。
  4. 主仓改 src/zzz_od/config/model_config.py:_DEFAULT_LOST_VOID_DET = 新模型名,旧默认降为 _BACKUP_LOST_VOID_DET。
  5. 若新增类别,检查 LostVoidDetector 业务逻辑是否需要适配。

发布顺序:先上传 release,再合并改 model_config 的 PR。否则用户更新代码后下载不到新模型,会回退 backup。