下面给你一个针对后视镜折叠场景的可落地方案，目标是在缺少标注的前提下优先提升 FSD 分支效果，并尽量不破坏 PSD/RM 的现有性能。方案分为数据、训练、评估与落地四个部分，尽量贴合你现在的工程结构（train2.py 多任务训练）。

/*** Copyright (c) 2017 Texas Instruments Incorporated** All rights reserved not granted herein.** Limited License.** Texas Instruments Incorporated grants a world-wide, royalty-free, non-exclusive* l

import osif cfg:else:raise ValueError("cfg 未指定，且权重中没有可用的 yaml")if ckpt:else:if state:model,dummy,onnx_path,try:raise RuntimeError("onnxsim 简化失败")print(f"[WARN] onnxsim 失败: {e}")print(f"ONNX 导出完成: {out

return img, mask# 这里改了, 在__getitem__里再调用self._mask_transform(mask)long_size = max(min_long, min(max_long, long_size))# 夹紧到允许范围。scale = long_size / max(w, h)# 不再强制截断到<=1，允许轻微上采样以贴近 2cm/px。jitter = min(

Traceback (most recent call last):File "/ai/zhdata/lyp/multiyolov5_point_608_736/train_608_736.py", line 718, in <module>train(hyp, opt, device, tb_writer)File "/ai/zhdata/lyp/multiyolov5_point_608_73

import cv2import numpy as npimport mathimport osimport structfrom tqdm import tqdmfrom glob import globPALETTE = np.random.randint(0, 255, [255, 3], dtype=np.uint32)# 模型输入尺寸（W, H），用于把模型坐标缩放回原图MODEL_IN