YOLO模型权重文件

本目录用于存放YOLOv5模型权重文件，用于专利附图标号检测。

模型文件

1. 自定义训练模型（推荐）

• 文件名: yolov5n_marker.pt
• 用途: 专门训练用于检测专利附图中的圆圈标号和箭头
• 大小: ~4 MB
• 类别:
  • 0: circle_marker (圆圈标号)
  • 1: arrow (指示箭头)
  • 2: number (数字标记)

获取方式: 根据PRD文档，需要使用200张公开专利数据训练的自定义模型。

2. 预训练模型（Fallback）

如果自定义模型不存在，系统会自动使用ultralytics提供的预训练YOLOv5-nano模型：

• 模型: yolov5n.pt
• 自动下载: 首次运行时自动从ultralytics下载

训练自定义模型

如果需要训练自定义标号检测模型，请按以下步骤：

1. 准备数据集

数据集结构：

dataset/
├── images/
│   ├── train/
│   │   ├── patent_001.jpg
│   │   ├── patent_002.jpg
│   │   └── ...
│   └── val/
│       ├── patent_101.jpg
│       └── ...
└── labels/
    ├── train/
    │   ├── patent_001.txt
    │   ├── patent_002.txt
    │   └── ...
    └── val/
        ├── patent_101.txt
        └── ...

标签格式（YOLO格式）：

<class_id> <x_center> <y_center> <width> <height>

2. 训练模型

使用ultralytics库训练：

from ultralytics import YOLO

# 加载预训练模型
model = YOLO('yolov5n.pt')

# 训练
results = model.train(
    data='patent_marker.yaml',  # 数据集配置文件
    epochs=100,
    imgsz=640,
    batch=16,
    name='patent_marker_yolov5n'
)

# 导出模型
model.export(format='pt')

数据集配置文件 patent_marker.yaml：

path: ./dataset  # 数据集根目录
train: images/train  # 训练集
val: images/val  # 验证集

# 类别
nc: 3  # 类别数量
names: ['circle_marker', 'arrow', 'number']

3. 验证模型

from ultralytics import YOLO

# 加载训练好的模型
model = YOLO('runs/detect/patent_marker_yolov5n/weights/best.pt')

# 验证
results = model.val()

# 测试
results = model.predict(source='test_images/', save=True)

4. 部署模型

将训练好的最佳权重文件复制到此目录：

cp runs/detect/patent_marker_yolov5n/weights/best.pt models/yolov5n_marker.pt

使用说明

1. 自动模式（推荐）：

   • 系统会自动检测 models/yolov5n_marker.pt 是否存在
   • 如存在，使用自定义模型
   • 如不存在，fallback到预训练模型

2. 手动指定模型：

   from src.marker_detector.yolo_detector import YOLOMarkerDetector
   
   detector = YOLOMarkerDetector(model_path='models/yolov5n_marker.pt')

模型性能

自定义模型（期望性能）

• 精度: mAP@0.5 > 0.85
• 召回率: > 0.90
• 推理速度: ~30ms/image (CPU)
• 模型大小: ~4 MB

预训练模型

• 用途: 通用目标检测
• 精度: 可能不如专用模型
• 适用场景: 初期测试或无自定义模型时

注意事项

1. 模型文件较大，不建议提交到git仓库
2. 建议在.gitignore中排除.pt文件
3. 生产环境部署时需确保模型文件存在
4. CPU推理速度较慢，GPU可显著提升性能

许可证

模型权重文件需遵守相应的许可证要求：

• YOLO模型: AGPL-3.0 (商业使用需获得许可)
• 自定义训练模型: 根据训练数据的许可证