脸部LoRA训练项目：素材流水线 + Gradio控制台 + RunPod云端续炼方案（v7续炼完成）

tools/使用说明.md

@@ -0,0 +1,73 @@
+# face_checker 使用说明（素材自动审核 + 智能选图工具）
+
+## 这是什么
+
+训练脸部 LoRA 前的**素材质检员 + 选图助手**：
+- 自动检查每张照片：分辨率、清晰度、人脸数量、人脸大小、正侧脸角度、遮挡、重复图
+- 红黄绿三档判定：✅合格 / 🟡警告 / ❌不合格，附具体原因
+- **智能选图**：从一堆照片里自动挑出多样化组合（覆盖特写/半身/全身、不同角度、不同风格），你只需要删掉重复的
+
+## 快速开始
+
+用哪个 Python：musubi-tuner 的虚拟环境
+
+```powershell
+# 场景一：审核照片，生成报告
+& "D:\AI\sd\musubi-tuner\.venv\Scripts\python.exe" "D:\F\NewI\opencode\daily-workspace\projects\脸部LoRA训练-Qwen-Image\tools\face_checker.py" check "照片目录"
+
+# 场景二：智能选图（推荐 20 张）
+& "D:\AI\sd\musubi-tuner\.venv\Scripts\python.exe" "...\tools\face_checker.py" pick "照片目录" --count 20
+
+# 场景三：审核 + 把合格照片整理成训练集
+& "...\face_checker.py" batch "照片目录" --out "训练集目录"
+```
+
+> 提示：可以把工具路径存成 PowerShell 变量或做个小 .bat，避免每次打长路径（我可以帮你做）。
+
+## 输出
+
+| 命令 | 产出 |
+|---|---|
+| `check` | `素材审核报告.html`（浏览器打开看图片墙+判定）+ `素材审核结果.json` |
+| `pick` | `智能选图推荐_N张.html`（推荐清单+构图标签）+ `智能选图结果.json` |
+| `batch` | 报告 + 训练集文件夹（img_001.jpg 重命名、EXIF 修正、统一 JPG） |
+
+## 判定规则（快查）
+
+| 检查项 | 合格 | 警告 | 不合格 |
+|---|---|---|---|
+| 分辨率 | 短边 ≥1024 | - | 短边 <1024（微信压缩图） |
+| 清晰度 | 人脸区域锐利 | 偏糊 | 明显模糊 |
+| 人脸 | 1 张 | 多张脸 / 占比小 / 侧脸 / 疑似遮挡 | 没检测到脸 |
+| 重复 | - | 与另一张高度相似 | - |
+
+## 老莫的操作流程
+
+1. 把候选照片**全部**丢进一个文件夹（几十张也没关系，不用自己先筛）
+2. 跑 `pick --count 20` → 打开推荐报告看一眼，删掉不喜欢的
+3. 跑 `batch --out 训练集目录` → 自动整理成 `img_001.jpg...`
+4. 把训练集目录交给我，我负责打标 caption 和训练
+
+## 注意事项
+
+- **iPhone 的 HEIC 照片**：工具不支持，先转成 JPG（微信发一遍自己或格式转换工具）
+- 照片**别用微信压缩过的**（分辨率不够会被判不合格）
+- 想多选就 `--count 25`，想少选就 `--count 15`（推荐 15-25 张）
+- 重复判定基于视觉相似度，AI 判断可能有漏网，报告里的人工确认最重要
+
+## 参数速查
+
+```
+check <目录> [--out 报告目录]
+pick <目录> [--count N] [--out 报告目录]
+prepare <目录> --out <训练集目录>
+batch <目录> --out <训练集目录>
+crop <目录> --out <裁切目录> [--scale 1.8]   ← 合影处理：按最大人脸裁切单人
+```
+
+## 合影与背景处理（老莫须知）
+
+- **合影**：用 `crop` 命令或 GUI 前先裁切——按最大人脸裁出单人（1.8 倍放大）。裁完短边 <1024 的放弃
+- **背景**：不要处理！保持自然多样（室内/户外/墙/街景），caption 写清场景即可。**不要抠图换纯色背景**（会导致 LoRA 把纯色背景和脸绑定，出图全是纯背景）
+- **禁止**：磨皮美颜、加水印边框文字
+- face_checker 的 prepare/整理会自动处理 EXIF 方向 + RGB 转换