# M1 / M2：独立的离线研究掩膜训练许可

本实验依据当前用户明确授权启动研究掩膜训练；旧资料中的“本轮不训练”是先前调研阶段边界，不是本实验许可。
许可仅覆盖此新目录及新代码。来源的GT、pose、robot、automatic-training资格始终为false；不写生产标注、服务、配置或旧输出。

## 数据及隔离

- 绑定质量恢复v2独立核验seal `61b73d8e0dbc7b99db01b75e912c797beacc34c8c0b3d31434058eac3d376428`。
- 使用前比较当前两库逻辑指纹（全部原始事件、当前记录及元数据）与冻结快照；校验配置、19份旧冻结代码、20,768份正式文件。
- 全部12,344目标先合并同group/frame/PCD/图像像素精确相同及跨类、跨sensor近重复；同时查整图和原框ROI。
- 近重复为128-bit dHash距离≤2与灰度NCC≥0.995，平坦图不授予近重复连接；三位段索引对该Hamming范围不漏候选。
- 全局408分量，发现1条跨类近重复连接。任一分量连接正式val/test，该分量全部train来源拒绝；不是只查有轮廓的1,484份。
- 658份正式train来源经已知视面/结构、Class14隔离、深度或观察歧义、对齐及上下文邻框相交门禁，余347份；再逐页看10张原ROI/原监督配对页，保守批准229份、隔离118份。
- 内部train 138份/16分量，dev 91份/5分量。按seed42对全局分量哈希排序，前ceil(20%分量)作为dev；未使用模型指标决定划分。
- 最初hash-mod5方案在视觉隔离后仅留2个dev分量，训练前仅按组数修订为上述固定分量排序方案。未经任何预测或指标后改划分。
- 正式val470/test356不导出轮廓、不生成新预测或分数。已有OOF诊断属于开发，不是新的盲测。

并行人工补充例外（不追加训练集）：新补充目录`pallet_mask_under50_requests_v1`的10个目标由独立seal `87d868e53d396acf37a161019b71144fbff906c62091e7d4b9d68458f9083e5a`绑定。
训练启动时的两库指纹仍与1,002份图库当前记录/1,088条图库事件的旧快照完全一致；此后用户对这10个全新key的实际保存可使图库追加事件。
结束核验明确区分当前逻辑指纹完全相同与授权增量：必须证明全部旧current原始字节、旧event完整前缀、schema、metadata未变，且新事件只属于这10个新key、当前记录精确等于各自最新事件。
旧训练来源/revision变化、旧事件改写、非许可key、元数据/schema变化仍立即阻断；授权新记录永不流入本实验。独立记录增量哈希，不将有追加时伪称“当前整个数据库指纹未变化”。

## 模型输入、监督与风险

输入只含原灰度复制三通道，以及原有bbox确定的固定context：左右6%框宽、上下22%框高，裁至图边；不使用人工polygon bbox决定输入。
多边形只作为监督/内部评价；COCO annotation bbox是检测监督，不是输入提示。
target/source身份、class、group、pose、ruler、surface/structure字段仅审计、隔离和分层，不作为模型特征或拓扑选择器。
不伪造闭孔真值，不补改来源多边形；单环标注保留其原本语义。

已知其它bbox与context相交则整份拒绝，避免把未标邻面当背景。未知未框出的其它面仍是残余风险：视觉筛选降低但不能证明消除；不把弱研究参考称为人类确认GT。
保守集合不代表22类完整覆盖，稀有类/单组类和未覆盖类必须显式报告为零或null。

## M1

通用ImageNet ResNet18编码器，轻量U-Net skip解码至完整512×160，mask+boundary两头；等比例缩放，最近邻mask，padding不参与任何监督。
固定AdamW：encoder 3e-5、decoder 3e-4、weight_decay 1e-4、BCE+Dice+0.25边界BCE；不做改变拓扑的增强；小数据冻结编码器BN统计但不冻结权重。
真实forward/backward/optimizer profiling选择batch8、约1.28GB峰值；profiling更新丢弃，正式训练重新从通用编码器初始化。
max80、patience15、seed42；内部dev原生IoU中位选模，min_delta .001。完成50轮，最佳第35轮，内部有限阈值校准为0.55。

## M2

RFDETRSegSmall，固定rfdetr1.11.0与现有torch2.6/torchvision0.21；使用官方通用90类segmentation发布权重，不接触旧托盘checkpoint。
576×576等比例letterbox；原生及变换后的COCO RLE逐像素精确验证，mask最近邻。
使用官方RFDETRModelModule/DataModule/build_trainer，单进程；新adapter仅使mask匹配与CE/Dice忽略padding，密集mask-head损失替代上游不确定性点采样；其它检测、box、EMA和AP选模保持固定版本实现。
关闭随机裁剪/拉伸/翻转及multi-scale；batch2/effective8，实际OOM时才从通用权重重新以batch1/effective8启动，保留失败证据。
max80、patience15、seed42；内部dev EMA mask AP50:95选模；最终另报原生IoU/HD95/1px边界F1，不能用AP代替原生质量。
首次M2因固定版本build_trainer不接受devices列表而启动失败，原目录保留；修正为UUID约束后的devices=1，新目录m2_retry1重启。

## 算力、存储与状态

- M1 UUID `GPU-3315c096-fef4-7350-483a-7c5f5ca2b619`，M2 UUID `GPU-09ed84c8-4dee-efc0-dc1d-deda5177e4e8`，各自只看到cuda:0。永不使用3090。
- 每个worker启动前重新nvidia-smi检查UUID/显存/空闲，启动收据记PID、物理查询、代码、数据、依赖。
- 实验预算12GiB（generic1+M1 1+M2 8+数据日志2），项目盘和approved tmp至少保留10GiB。不删除旧文件，不升级依赖。
- M1只保留best/last（last含optimizer），epoch记录独占写入；M2标准best/last/EMA，archive interval1000避免80轮逐epoch大包重复。
- 校准仅用内部dev。至少10独立组的试运行门槛未满足（本dev仅5组），M1当前像素质量也未达标；交付率为0，空接受集质量为null，绝不出版预测供生产。
- 完成状态以各route的`completion.json`为准，失败以`failure.json`为准；后台启动不等于训练完成。M2最终状态需读取新目录，不能用M1成绩代替。

## 执行及核验

```bash
PYTHONDONTWRITEBYTECODE=1 .venv/bin/python scripts/build_mask_model_training.py prepare
# 先看private/semantic_review，再显式finalize。此目录已建立，重复应使用新版本。
CUDA_VISIBLE_DEVICES=GPU-3315c096-fef4-7350-483a-7c5f5ca2b619 .venv/bin/python scripts/build_mask_model_training.py m1
CUDA_VISIBLE_DEVICES=GPU-09ed84c8-4dee-efc0-dc1d-deda5177e4e8 .venv/bin/python scripts/build_mask_model_training.py m2 --run-name m2_retry1
.venv/bin/python -m pytest -q tests/test_mask_model_training_data.py
.venv/bin/python scripts/verify_mask_model_training.py --route m1 --recompute-m1-cpu
```

不复用已有run名，不覆盖旧模型/日志。完整launch代码保存在每个route的code_snapshot；后续仅修复其它worker时，原训练源码仍可复算。
