yudao/yudao-module-annotation/ENHANCED_YOLO_PARSING.md

增强的YOLO结果解析功能

问题解决

用户提到分类任务中 results.csv 文件格式不同，可能没有 mAP50-95 指标。现已增强解析功能以支持多种任务类型。

主要改进

1. 增强的 parseResultsCsv 方法

现在支持不同任务类型的CSV格式解析：

分类任务 (classify)

• 主要指标：accuracy, top1_acc, top5_acc
• CSV格式示例：

  epoch,train/loss,val/loss,metrics/accuracy,metrics/top1_acc,metrics/top5_acc
  0,1.234,0.987,0.8521,0.8521,0.9543
  

• 解析逻辑：
  • 优先解析 accuracy 作为主要准确率
  • 同时记录 Top-1 和 Top-5 准确率
  • 保存格式：accuracy:0.8521

检测任务 (detect)

• 主要指标：precision, recall, mAP50, mAP50-95
• CSV格式示例：

  epoch,train/box_loss,train/cls_loss,train/dfl_loss,metrics/precision,metrics/recall,metrics/mAP50,metrics/mAP50-95
  0,0.123,0.456,0.789,0.8521,0.7432,0.8123,0.7654
  

• 保存格式：precision:0.8521,recall:0.7432,map:0.7654

分割任务 (segment)

• 主要指标：同检测任务
• 处理方式：与检测任务相同

2. 新增方法

parseGenericResults

• 用于处理未知任务类型
• 通用解析逻辑，尝试识别常见的指标名称

saveClassificationAccuracyToDatabase

• 专门用于保存分类任务的准确率
• 区别于检测/分割任务的保存方法

3. 智能任务类型识别

String taskType = config.getTaskType();
if (taskType == null) {
    taskType = "detect"; // 默认为检测任务
}

根据 YoloConfig.taskType 自动选择合适的解析策略。

集成状态

✅ 已完成的集成

1. 训练任务 (trainAsync) - 完全集成
2. 检测 "Results saved to" - 所有任务类型都支持
3. 多任务类型解析 - 支持分类、检测、分割

⚠️ 待完成的集成

虽然代码逻辑已经增强，但以下方法中的 "Results saved to" 检测还需要添加：

1. 验证方法 (validate) - 需要在日志读取循环中添加检测
2. 预测方法 (predict) - 需要在日志读取循环中添加检测

使用示例

分类任务输出

检测到YOLO结果保存路径: D:\data\train\classify\runs\classify\train1
分类任务解析到准确率(Accuracy): 0.8521
分类任务解析到Top-1准确率: 0.8521
分类任务解析到Top-5准确率: 0.9543
已保存分类任务准确率到数据库 - 训练ID: 12345, 准确率: accuracy:0.8521

检测任务输出

检测到YOLO结果保存路径: D:\data\train\detect\runs\detect\train1
检测/分割任务解析到识别率 - Precision: 0.8521, Recall: 0.7432, mAP: 0.7654
已保存识别率到数据库 - 训练ID: 12346, 识别率: precision:0.8521,recall:0.7432,map:0.7654

数据库字段格式

分类任务

rate: "accuracy:0.8521"

检测/分割任务

rate: "precision:0.8521,recall:0.7432,map:0.7654"

错误处理

• 如果CSV解析失败，不会影响任务完成状态
• 支持部分指标解析，即使某些字段缺失
• 详细的日志记录便于调试

下一步

需要为 validate 和 predict 方法添加相同的 "Results saved to" 检测逻辑，以实现完整的功能覆盖。