Config_set.py - master - Nemo_499/DecodingX-rayImages

Config_set.py
146 строк4 KB
Денис
Исправлен баг с отображением имени модели, и разбиением на тайлы при инеренсе
06 май 2026, 18:37
06 май 2026, 18:378322de6
names_id = {
    0: {
        1: "Пора", 
        2: "Включение",  
        3: "Подрез",  
        4: "Прожог",  
        5: "Трещина",  
        6: "Наплыв",  
        7: "Эталон 1",  
        8: "Эталон 2",  
        9: "Эталон 3",  
        10: "Пора-скрытая",  
        11: "Утяжина",  
        12: "Несплавление",  
        13: "Непровар корня"
        },
    1: {
        1: "Пора", 
        2: "Включение",  
        3: "Подрез"
        },
    2: {
        1: "Прожог",  
        2: "Трещина"
        },
    3: {
        1: "Эталон 1",  
        2: "Эталон 2",  
        3: "Эталон 3" 
        },
    4: {
        1: "Утяжина",  
        2: "Несплавление",  
        3: "Непровар корня"
    }
}

names = {
    0: [
        "Пора", 
        "Включение",  
        "Подрез",  
        "Прожог",  
        "Трещина",  
        "Наплыв",  
        "Эталон 1",  
        "Эталон 2",  
        "Эталон 3",  
        "Пора-скрытая",  
        "Утяжина",  
        "Несплавление",  
        "Непровар корня"
    ],
    1: ["Пора", "Включение", "Подрез"],
    2: ["Прожог", "Трещина"],
    3: ["Эталон 1", "Эталон 2", "Эталон 3"],
    4: ["Утяжина", "Несплавление", "Непровар корня"]
}

names2_id = {
    0: "Bad Weld", 
    1: "Good Weld",  
    2: "Defect"
    }

names2 = [
    "Bad Weld", 
    "Good Weld",  
    "Defect"
]

# номер набора, [ число объектов, сдвиг по числу объектов , [id объектов]]
set_objects = {
    0: [13, 0, [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]],
    1: [3, 0, [1, 2, 3]],
    2: [2, 3, [4, 5]],
    3: [3, 6, [7, 8 ,9]],
    4: [3, 10, [11, 12, 13]]
}

set_model={
    0: {
        "name": 'tf_efficientdet_lite0',
        "image_size": 320,
        "GradCAM_level": 'backbone.blocks.6.0',
        "batch_size": 16,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    1: {
        "name": 'tf_efficientdet_lite1',
        "image_size": 384,
        "GradCAM_level": 'backbone.blocks.6.0',
        "batch_size": 16,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    2: {
        "name": 'tf_efficientdet_d0',
        "image_size": 512,
        "GradCAM_level": 'backbone.blocks.6.0',
        "batch_size": 10,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    3: {
        "name": 'tf_efficientdet_d0_ap',
        "image_size": 512,
        "GradCAM_level": 'backbone.blocks.6.0',
        "batch_size": 10,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    4: {
        "name": 'tf_efficientdet_d1',
        "image_size": 640,
        "GradCAM_level": 'backbone.blocks.6.1',
        "batch_size": 10,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    5: {
        "name": 'tf_efficientdet_d1_ap',
        "image_size": 640,
        "GradCAM_level": 'backbone.blocks.6.1',
        "batch_size": 10,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    6: {
        "name": 'tf_efficientdet_d2',
        "image_size": 768,
        "GradCAM_level": 'backbone.blocks.6.1',
        "batch_size": 8,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    },
    7: {
        "name": 'tf_efficientdet_d2_ap',
        "image_size": 768,
        "GradCAM_level": 'backbone.blocks.6.1',
        "batch_size": 8,
        "mean": [0.485, 0.456, 0.406],
        "std": [0.229, 0.224, 0.225]
    }
}