# Обучение детектора мозаики (аниме)

Готовых публичных моделей детекции мозаики для рисованного/аниме контента нет,
поэтому обучаем свою на **синтетике**: берём чистые (без цензуры) кадры, случайно
накладываем мозаику и получаем разметку автоматически.

## 1. Подготовить чистые изображения

Сложите кадры **без цензуры** в папку (чем разнообразнее, тем лучше; от ~500
картинок для черновой модели, тысячи — для нормальной). Кадры можно нарезать из
чистых видео — например, любым плеером или нашим извлечением (папка проекта
`frames/`).

## 2. Сгенерировать датасет

```powershell
.\.venv\Scripts\Activate.ps1
python scripts\training\gen_mosaic_dataset.py --input C:\clean_frames --output dataset_mosaic --variants 3
```

Получите `dataset_mosaic/` с `images/`, `labels/` и `data.yaml`
(класс `0: mosaic`, формат сегментации YOLO). Часть кадров остаётся чистыми
(негативы) — это снижает ложные срабатывания.

Полезные флаги: `--neg-frac 0.2`, `--tile-min/--tile-max` (размер плиток мозаики),
`--area-min/--area-max` (доля площади под мозаику), `--shapes rect,ellipse`.

## 3. Обучить

```powershell
pip install -e ".[yolo]"
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121  # CUDA
python scripts\training\train_mosaic.py --data dataset_mosaic\data.yaml --epochs 100
```

Веса появятся в `runs/segment/mosaic/weights/best.pt`.

## 4. Подключить в приложении

**Параметры → Детектор: YOLO → Обзор…** и выбрать `best.pt`, затем
**Файл → Детектировать заново**. Класс `mosaic` маппится в `CensorType.MOSAIC`,
маски превращаются в контуры обводки.

## Советы по качеству

- Разнообразьте источник (разные стили, сцены, освещение).
- Варьируйте размер плиток и областей (флаги выше) — мозаика в реальности разная.
- Доля негативов 15–25 % обычно хорошо снижает ложные срабатывания.
- GPU NVIDIA сильно ускоряет; на CPU обучение очень медленное.
- Дальше можно добавить классы `bar` (плашки) — генератор легко расширить.