YOLO Report Analyst

English

自动分析 YOLO 目标检测模型训练结果，一键生成专业文档报告

简介

YOLO Report Analyst 是一个专为 YOLO 训练结果分析设计的 Skill。它能自动解析训练输出文件（日志、CSV、YAML、图片等），生成包含配置解析、性能评估、训练过程分析、问题诊断与改进建议的完整专业报告。

功能特性

• 多格式支持：解析 results.csv、args.yaml、训练日志、混淆矩阵、PR 曲线等
• 智能分析：自动识别最佳 epoch、检测过拟合信号、分析 loss 收敛情况
• Per-class 分析：逐类别性能评估，精准定位短板类别
• 问题诊断：基于指标自动生成针对性的改进建议
• 多输出格式：支持 Markdown 和 Word 文档输出
• 容错处理：即使文件不完整也能输出可用报告

支持的输入文件

优先级	文件	用途
★★★	results.csv	每个 epoch 的训练/验证 loss 和 mAP 指标
★★★	训练日志（.md/.log/.txt）	完整训练过程、最终验证指标、per-class 结果
★★	args.yaml	超参数与训练配置
★★	confusion_matrix_normalized.png	类别混淆情况
★★	results.png	综合训练曲线图
★	BoxP_curve.png / BoxR_curve.png 等	P/R/F1/PR 曲线
★	val_batch*_pred.jpg 等	验证集预测可视化

报告结构

生成的报告包含 7 个核心部分：

1. 训练配置概览 - 模型、数据集、超参数汇总
2. 最终性能指标 - mAP、Precision、Recall 及 per-class 分析
3. 训练过程分析 - Loss 曲线、收敛稳定性、关键节点
4. 混淆矩阵解读 - 误分类分析、漏检/误报情况
5. 模型效率分析 - 推理速度、FPS 评估
6. 问题诊断 & 改进建议 - 针对性优化方案
7. 总结 & 下一步行动计划 - 核心成果与优先行动项

快速开始

前置要求

• 支持 Skill 系统的 AI 助手（如 SOLO）
• YOLO 训练输出文件

使用方法

1. 上传训练结果文件

   将你的 YOLO 训练输出文件上传或放置在工作目录中。

2. 触发 Skill

   使用以下任意方式触发：

   • 直接说："分析我的训练结果"
   • 说："帮我生成训练报告"
   • 上传 results.csv 或训练日志文件

3. 获取报告

   Skill 会自动解析文件并生成完整的分析报告。

示例

用户：帮我分析训练结果，我传了 results.csv 和日志

AI：
1. 读取 results.csv → 提取最佳 epoch、loss 趋势
2. 读取日志 → 提取 per-class 指标、模型结构、耗时
3. 按照 Part 1→7 顺序生成报告
4. 在报告末尾询问："需要我生成 Word 版本，或者展开某个部分的分析吗？"

项目结构

yolo-report-analyst/
├── README.md               # 项目说明（中文）
├── README_EN.md            # Project documentation (English)
├── LICENSE                 # MIT 许可证
├── CONTRIBUTING.md         # 贡献指南
├── CHANGELOG.md            # 版本变更记录
├── SKILL.md                # Skill 定义文件
├── .gitignore              # Git 忽略规则
└── examples/               # 示例文件
    ├── sample-input/       # 示例输入
    └── sample-output/      # 示例输出报告

贡献

欢迎贡献代码、报告问题或提出建议！请阅读 贡献指南 了解详情。

贡献方式

• 提交 Issue 报告 Bug 或提出 Feature Request
• 提交 Pull Request 改进代码或文档
• 分享你的使用案例和反馈

许可证

本项目采用 MIT 许可证 开源。

致谢

• 感谢 Ultralytics YOLO 提供的优秀目标检测框架
• 感谢所有贡献者的支持

---

Made with ❤️ for the YOLO community