🚀 Liudup v3.0 - 一体化 AI 数据工厂

Liudup 是一个专为广告素材管理、YOLO 模型训练设计的全链路数据闭环系统。在 v3.0 版本中，我们实现了从“智能去重”到“交互标注”，再到“本地/云端多场景算力调度”的工业级生产力飞跃。

---

🌟 一、 核心功能模块

1. 📂 智能去重 (Cleaner)

• 双引擎识别：集成 MobileNetV2 (CNN) 高速去重与 DINOv2 (ViT) 深度语义理解，准确率 >97%。
• 强一致性分组：基于视觉指纹自动识别相似素材，支持多维质量对比（分辨率、文件大小）。
• 安全清理机制：自动保留组内最佳质量原图，重复素材一键归档至 _backup 目录，确保原始数据万无一失。

2. ✏️ 交互标注 (Labeller)

• 实时审计清单：新增右侧数据表格，所有标注坐标（X,Y,W,H）实时可见，彻底杜绝“幽灵框”与重复标。
• 双向联动交互：点击列表即刻定位画布物体，拖拽缩放画布即刻更新列表数值，实现“所见即所得”。
• 反馈式清理：标注过程中发现劣质素材可执行“🔥 物理删除”，同步清理原图、标注及数据库记录。
• AI 辅助标注：一键加载 best.pt 模型进行预识别，标注效率提升 500%。

3. 🚀 训练工厂 (Trainer)

• 多指标监控：集成 pyqtgraph 实时绘制 Loss 曲线与 mAP 精度图，支持 EMA 指数平滑算法。
• 多类别明细表：实时监控每个细分标签的 mAP50 表现，辅助精准调优。
• 自动化流水线：一键完成数据集随机划分、镜像目录组织与 data.yaml 自动生成。

4. ☁️ 云端工厂 (Cloud Factory) - V3.0 重磅更新

针对不同算力场景提供三种协同方案：

• ⚡ 算力摆渡 (Minio 全自动)：利用 Minio 作为中继，实现物理隔离环境下的“本地推送-远程训练-结果回传”全自动闭环。
• ⚡ 局域网协同 (SSH 直连)：基于 SSH 隧道与 SFTP 增量同步算法，秒级传输数据集，实时劫持远程 GPU 输出。
• ☁️ 云端协作 (Notebook 模式)：专为 Colab/Kaggle 设计，提供 1-2-3 向导式操作，自动生成集成 Minio 凭据的训练脚本。

---

🏗 二、 技术架构特性

1. 物理路径隔离 (Data Isolation)：
   • 采用隔离目录策略（_auto, _ssh, _nb），支持本地与多种云端模式并行操作，互不干扰。
2. 镜像目录支持 (Recursive Structure)：
   • 支持素材按多级子目录存放，训练集构建时自动镜像目录结构，彻底解决同名文件冲突。
3. 非阻塞异步执行 (Async Pattern)：
   • 打包、上传、SSH 通讯及训练任务全部托管于独立 QThread，UI 界面实时响应，日志流秒级渲染。
4. 工业级视觉反馈 (UX Design)：
   • 全量按钮支持 Hover/Pressed 动态状态反馈；应用“去框化”纯净 UI 风格，显著降低长时间工作的视觉疲劳。

---

📅 三、 研发里程碑 (Roadmap)

• 架构重构 - 实现侧边栏导航与多页面解耦架构。
• 标注审计 - 实现列表-画布双向联动与物理删除反馈。
• 云端闭环 - 落地 Minio 摆渡、SSH 直连与 Notebook 三大算力方案。
• 安全加固 - 实现目录黑名单过滤与相对路径镜像拷贝。
• 数据增强插件 - 计划引入离线数据增强（翻转、噪点、亮度调节）。

---

👨‍💻 四、 开发者指南

环境依赖

pip install torch torchvision ultralytics PyQt5 boto3 paramiko pandas pyqtgraph python-dotenv

快速启动

1. 配置环境：在 config.json 中配置 Minio 连接信息与类别标签。
2. 智能去重：导入素材目录，执行 AI 判重，保留高质量 Master。
3. 交互标注：对素材进行精准标注，利用“审计清单”核销数据。
4. 算力调度：
   • 有本地 GPU：直接在“模型训练”页启动。
   • 有局域网 GPU：在“云端工厂”使用 SSH 模式直连。
   • 白嫖算力：使用 Notebook 模式对接 Colab。

---

Liudup - 重新定义 AI 数据生产力。