👥 工地全身 Age + Gender 預測 — Dataset + Model 調研報告

調研類型：dataset + model 雙線 非訓練 general-purpose research agent 調研日期：2026-05-07 ｜ 情境：model_viewer ppe-demo 既有 cascade，擬加 age + gender 2 head ｜ 輸入：全身 person crop (CCTV 視角)

🎯 TL;DR

最 prod-friendly dataset
PA-100K
100K imgs · CC-BY 4.0 商用 OK
場域最匹配
MSP60K
含 construction site (AAAI 2025)
SOTA model (mA)
87 / 91
PromptPAR / LLM-PAR (PA-100K)
推薦方案
A
擴現 ppe21 加 2 head
預期 acc
93-95% / 75-80%
gender / age 4-class
⚠ 重要發現：所有公開 surveillance pedestrian dataset 都是 binned age (3-5 class)，沒有連續歲數標註。MAE「幾歲」只能從 PETA 5-binary 推算或自標 calibration。HuggingFace 也沒有現成 full-body pedestrian attribute model（搜到全是臉部）。
💡 推薦走 A 方案：直接擴 MobileNetV3-L 加 head_age (4-class CE) + head_gender (binary BCE)。最少改動、保留現有 21-attr、開發週期 2-3 週、latency overhead <1ms、對 21-attr 影響 ±1%。訓練資料：PA-100K + MSP60K + cvat2 自標 1-2K calibration。

📄 完整調研內容

Generated 2026-05-07 ｜ rai-vision-training ｜ kaggle-reports.pages.dev ｜ research-only (no training)