| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126 |
- # 一般训练需要给到路径，平台训练无需给到
- # Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
- path: liver-obj # dataset root dir
- train: images/train # train images
- val: images/val # val images
- test: # test images (optional)
- # 平台训练需要给到下面的参数
- platform_data_args:
- token: 4925EC4929684AA0ABB0173B03CFC8FF # 39829c10d79745c6aaac35df80811966 4925EC4929684AA0ABB0173B03CFC8FF
- # 错误文件
- wrong_file: ''
- # "segment"生成分割的数据 "detection"生成检测的数据
- data_type: "detection"
- # 有些项目需要裁图，给到相应的裁图参数，
- # 如果不需要裁图，直接给 "" 即可
- extra_contours_args:
- # 如果路径不为空，则从该路径读取轮廓信息；如果不为空，则从下面的txt读取
- # 添加的文件格式如此文件所示，可以参考，大概内容就是：文件名和平台上"Rois"和"ImageResults"内容
- extra_contours_txt_path: 'vinno_files/extra_contours_file/carotid_plaque/example1.txt'
- # 添加的每个roi轮廓给到的title，不要给额外的名字，需要在 crop_region_label 中
- crop_region_label:
- "???":
- - "颈动脉管壁"
- expansion_mode: "fixed_pixel" # "fixed_rate" 或者 "fixed_pixel"
- expansion_range: [40, 41]
- # 限制每张图裁切部位个数，为true时每张图只裁切轮廓最大的；为false时每张图裁切不限制
- limit_crop: false
- # 裁选之后的图像，非extra_contour的部分，是否使用原图的像素值
- use_orig_image_pixel: false
- # 所需的图像标签字典，从0开始，都是背景
- # 如果为空，给 "" 即可
- needed_image_results_dict:
- "???":
- "无可标项": 0
- # 所需的ROI标签字典，从1开始都是需要的标签（取到的标签最终都会减1，yolo那边默认从0开始作为第一类）
- # 从部位标签开始取，如果不同部位标签内，相同名字的作为一类，则给相同的数字；不作为一类，则给不同的数字
- # 注意：默认的情况下，不会出现ROI标签为字典的键，值为0；如果出现说明该轮廓是作为裁图所需要的，并不会生成类别的框或轮廓，
- # 此时注意上面的extra_contours_args中的crop_region_label与此处所有值为0的键是否一致，需要保持一致。
- needed_rois_dict:
- "???":
- "斑块或内中膜增厚": 1
- # 一张图有多个ROI标签和图像标签时，后续采用谁的类别作为该图的扩充比例，给到相应的强弱等级
- # 该等级只用来比较多标签时，选择哪个作为扩充比例
- # 如果有多个相同的强弱等级的话，则按最后一个取到的标签的强弱等级计算
- # 该参数的键跟 needed_image_results_dict 和 needed_rois_dict一致
- label_aug_level:
- "???":
- "无可标项": 0
- "斑块或内中膜增厚": 1
- # 所需标签在训练时的扩充比例，根据原有的数量*扩充比例
- # 所需标签的扩充比例都来自于needed_image_results_dict 和 needed_rois_dict
- # 额外添加了一个空字符：如果出现一张图有roi标签，但是没有所需的roi标签，则该图像也会作为背景进行训练，该图像的扩充比例即为空字符对应的数字
- # 需要注意：1.不裁图时，如果出现一张图只有图像标签，没有roi标签，但是没有所需的图像标签，则该图像直接舍弃。
- # 需要注意：2.裁图时，如果出现一张图没有额外轮廓，则该图像直接舍弃。
- class_aug_times:
- "": 1
- "???":
- "无可标项": 5
- "斑块或内中膜增厚": 1
- # 评价指标计算时，各类别最终输出计算的标签字典
- # 可能设置多种参数，比如：甲状腺、乳腺疾病，计算分级、良恶性、检出病灶 三种输出的评价指标
- # 0为背景，其他都是类别
- class_id_map_list: [
- {0: 0},
- ]
- # c++后处理的dll
- dll_file: 'vinno_files/depends/YOLOOutputPostProcessUtil.dll'
- # yolo后处理所需要的参数
- yolo_metas:
- yolotype: yolov8 # yolov5 或者 yolov8
- confthres: 0.85
- clsconfthres: 0.55
- batchsize: 1
- maxdet: 5
- minboxratio: 0.001
- postprocesstopk: 300
- enableioufilt: true
- enableiosfilt: true
- ioufltth: 0.3
- iosfltth: 0.3
- enableunion: false
- unioniouth: 1.0
- unioniosth: 1.0
- unionuobth: 1.0
- enableioufiltdiffcls: true
- enableiosfiltdiffcls: true
- ioufltthdiffcls: 0.3
- iosfltthdiffcls: 0.3
- metrics_type:
- - pascal:
- iou_threshold: 0.5
- method_average_precision: EVERY_POINT_INTERPOLATION # EVERY_POINT_INTERPOLATION 或者 ELEVEN_POINT_INTERPOLATION
- generate_table: false
- # fn错误的有两种，一种是iou低于设置（也就是fp），一种是没有检测出来，为了方便查看，此时统计的fn将fp排除
- generate_fp_fn_image_names: true # 是否记录fp和fn所在图像的名称，用于可能后续画gt和dt看结果
- - coco:
- # coco默认计算0.5-0.95的mAP，这边给到值可以设置，所需要的范围
- lower_iou_threshold_limit: 0.50
- upper_iou_threshold_limit: 0.95
- # 默认前100个检测的结果，可以进行设置
- max_dets: 100
- # 根据面积区分 small medium large，计算时取 值的平方 作为界限
- lower_area_limit: 32
- upper_area_limit: 96
- # 最终训练的类别,目标从零开始，背景没有标签，对应的名称只是为了最终结果的显示
- names:
- 0: '斑块或内中膜增厚'
|
