Factory PPE 19-attr — v20260428 報告

partial-label BCE / 19 binary heads / per-attr mask（unknown→mask=0 不算 loss/metric）
資料：cvat2 project 5（8 sources, 133,751 person crops）= 6 baseline + CPPE-5 (1444) + R2PPE (25349)。 2026-04-26 過夜 + 早晨擴充訓練。

🏆 推薦 deploy

v20260428_mobilenetv3l — 8 個版本中 三冠王（最高 val_mAP / 最少 params / 最快訓練；test 比 ConvNeXt 略高）

checkpoint: 5090-2:~/factory_ppe/runs/factory_ppe_v20260428_mobilenetv3l/best.pt

8 版本完整對照

version	backbone	data	val_mAP	test_mAP	macro_f1	params	epochs	time
v20260426_mobilenetv3l	MobileNetV3-L	base 6src	0.6655	0.9850	0.9532	4.2M	21 (best=13)	22 min
v20260426_efficientnetb0	EfficientNet-B0	base 6src	0.6512	0.9830	0.9611	4.0M	33 (best=25)	37 min
v20260426_convnexttiny	ConvNeXt-Tiny	base 6src	0.6974	0.9880	0.9605	27.9M	22 (best=16)	68 min
v20260427_efficientnetb0_cppe5	EfficientNet-B0	+CPPE-5	0.7640	0.9829	0.9537	4.0M	17 (best=9)	19 min
v20260427_convnexttiny_cppe5	ConvNeXt-Tiny	+CPPE-5	0.7602	0.9805	0.9421	27.9M	11 (best=5)	35 min
v20260427_mobilenetv3l_cppe5	MobileNetV3-L	+CPPE-5	0.7729	0.9788	0.9480	4.2M	18 (best=10)	19 min
v20260428_convnexttiny	ConvNeXt-Tiny	+CPPE-5+R2PPE	0.9240	0.9925	0.9773	27.9M	16 (best=10)	61 min
v20260428_mobilenetv3l ⭐	MobileNetV3-L	+CPPE-5+R2PPE	0.9238	0.9945	0.9770	4.2M	17 (best=9)	22 min

version

backbone

data

val_mAP

test_mAP

macro_f1

params

epochs

time

v20260426_mobilenetv3l

MobileNetV3-L

base 6src

0.6655

0.9850

0.9532

4.2M

21 (best=13)

22 min

v20260426_efficientnetb0

EfficientNet-B0

base 6src

0.6512

0.9830

0.9611

4.0M

33 (best=25)

37 min

v20260426_convnexttiny

ConvNeXt-Tiny

base 6src

0.6974

0.9880

0.9605

27.9M

22 (best=16)

68 min

v20260427_efficientnetb0_cppe5

EfficientNet-B0

+CPPE-5

0.7640

0.9829

0.9537

4.0M

17 (best=9)

19 min

v20260427_convnexttiny_cppe5

ConvNeXt-Tiny

+CPPE-5

0.7602

0.9805

0.9421

27.9M

11 (best=5)

35 min

v20260427_mobilenetv3l_cppe5

MobileNetV3-L

+CPPE-5

0.7729

0.9788

0.9480

4.2M

18 (best=10)

19 min

v20260428_convnexttiny

ConvNeXt-Tiny

+CPPE-5+R2PPE

0.9240

0.9925

0.9773

27.9M

16 (best=10)

61 min

v20260428_mobilenetv3l ⭐

MobileNetV3-L

+CPPE-5+R2PPE

0.9238

0.9945

0.9770

4.2M

17 (best=9)

22 min

訓練曲線

虛點線 = baseline (v426)、虛線 = +CPPE-5 (v427)、實線 = +CPPE-5+R2PPE (v428)；顏色對應 backbone。

R2PPE 補強效果（MobileNetV3-L v427 → v428）

attribute	v427 (+CPPE-5)	v428 (+R2PPE)	delta
hard_hat 安全帽	0.9484	0.9738	+0.0255
no_head_protection 無護頭	0.9973	0.9967	-0.0007
full_face_mask 全面罩	0.4242	0.9980	+0.5739
face_mask 口罩	0.9192	0.9890	+0.0698
no_gloves 無手套	0.9840	0.9860	+0.0020
cotton_gloves 棉手套	0.0000	0.0000	+0.0000
rubber_gloves 橡膠手套	0.0000	1.0000	+1.0000
no_protective_clothing 無防護衣	0.0000	0.9985	+0.9985
cleanroom_suit 無塵衣	1.0000	1.0000	+0.0000
splash_proof_gown 防潑罩袍	1.0000	1.0000	+0.0000
safety_vest 反光背心	0.9603	0.9735	+0.0132
safety_shoes 安全鞋	0.0000	0.0000	+0.0000
no_safety_shoes 無安全鞋	0.1586	0.1579	-0.0007
no_sleeves 無絕緣袖	0.0000	0.0000	+0.0000
heartbeat 生命徵象器	0.0000	0.0000	+0.0000
sleeves 絕緣袖	0.0000	0.0000	+0.0000
safety_glasses 護目鏡	0.7219	0.8539	+0.1320
hair_cover 髮帽	0.0000	0.0000	+0.0000
helmet_goggles 頭盔護目	1.0000	1.0000	+0.0000

attribute

v427 (+CPPE-5)

v428 (+R2PPE)

delta

hard_hat
安全帽

0.9484

0.9738

+0.0255

no_head_protection
無護頭

0.9973

0.9967

-0.0007

full_face_mask
全面罩

0.4242

0.9980

+0.5739

face_mask
口罩

0.9192

0.9890

+0.0698

no_gloves
無手套

0.9840

0.9860

+0.0020

cotton_gloves
棉手套

0.0000

0.0000

+0.0000

rubber_gloves
橡膠手套

0.0000

1.0000

+1.0000

no_protective_clothing
無防護衣

0.0000

0.9985

+0.9985

cleanroom_suit
無塵衣

1.0000

1.0000

+0.0000

splash_proof_gown
防潑罩袍

1.0000

1.0000

+0.0000

safety_vest
反光背心

0.9603

0.9735

+0.0132

safety_shoes
安全鞋

0.0000

0.0000

+0.0000

no_safety_shoes
無安全鞋

0.1586

0.1579

-0.0007

no_sleeves
無絕緣袖

0.0000

0.0000

+0.0000

heartbeat
生命徵象器

0.0000

0.0000

+0.0000

sleeves
絕緣袖

0.0000

0.0000

+0.0000

safety_glasses
護目鏡

0.7219

0.8539

+0.1320

hair_cover
髮帽

0.0000

0.0000

+0.0000

helmet_goggles
頭盔護目

1.0000

1.0000

+0.0000

Best Model Per-attribute Test Metrics

v20260428_mobilenetv3l 在 test split (raicvat_p2 part07 + cppe5 part03 + r2ppe part03) 的指標：

attribute	AP	F1	P	R	best_thr
hard_hat 安全帽	0.988	0.956	0.960	0.951	0.60
no_head_protection 無護頭	0.982	0.936	0.931	0.942	0.43
full_face_mask 全面罩	1.000	1.000	1.000	1.000	0.50
face_mask 口罩	0.994	0.960	0.961	0.960	0.83
no_gloves 無手套	0.998	0.977	0.970	0.984	0.59
cotton_gloves 棉手套	val 無 mask=1 sample（無法評估）
rubber_gloves 橡膠手套	1.000	1.000	1.000	1.000	0.50
no_protective_clothing 無防護衣	0.999	0.989	0.988	0.991	0.34
cleanroom_suit 無塵衣	1.000	1.000	1.000	1.000	0.50
splash_proof_gown 防潑罩袍	1.000	1.000	1.000	1.000	0.50
safety_vest 反光背心	0.982	0.949	0.916	0.985	0.71
safety_shoes 安全鞋	val 無 mask=1 sample（無法評估）
no_safety_shoes 無安全鞋	val 無 mask=1 sample（無法評估）
no_sleeves 無絕緣袖	val 無 mask=1 sample（無法評估）
heartbeat 生命徵象器	val 無 mask=1 sample（無法評估）
sleeves 絕緣袖	val 無 mask=1 sample（無法評估）
safety_glasses 護目鏡	0.991	0.959	0.957	0.960	0.85
hair_cover 髮帽	val 無 mask=1 sample（無法評估）
helmet_goggles 頭盔護目	1.000	0.998	1.000	0.996	0.50

attribute

best_thr

hard_hat
安全帽

0.988

0.956

0.960

0.951

0.60

no_head_protection
無護頭

0.982

0.936

0.931

0.942

0.43

full_face_mask
全面罩

1.000

0.50

face_mask
口罩

0.994

0.960

0.961

0.960

0.83

no_gloves
無手套

0.998

0.977

0.970

0.984

0.59

cotton_gloves
棉手套

val 無 mask=1 sample（無法評估）

rubber_gloves
橡膠手套

1.000

0.50

no_protective_clothing
無防護衣

0.999

0.989

0.988

0.991

0.34

cleanroom_suit
無塵衣

1.000

0.50

splash_proof_gown
防潑罩袍

1.000

0.50

safety_vest
反光背心

0.982

0.949

0.916

0.985

0.71

safety_shoes
安全鞋

val 無 mask=1 sample（無法評估）

no_safety_shoes
無安全鞋

val 無 mask=1 sample（無法評估）

no_sleeves
無絕緣袖

val 無 mask=1 sample（無法評估）

heartbeat
生命徵象器

val 無 mask=1 sample（無法評估）

sleeves
絕緣袖

val 無 mask=1 sample（無法評估）

safety_glasses
護目鏡

0.991

0.959

0.957

0.960

0.85

hair_cover
髮帽

val 無 mask=1 sample（無法評估）

helmet_goggles
頭盔護目

1.000

0.998

1.000

0.996

0.50

已知議題：

仍有 6/19 attribute 在 test 沒 mask=1 sample（cotton_gloves, no_protective_clothing[僅 ?], safety_shoes, no_sleeves, heartbeat, sleeves, hair_cover）— 這些屬性在 cvat2 各 source 沒人手動標 yes/no，需要：(a) 人工高精度 test set 標註，或 (b) 找到更專門的外部 dataset
稀缺類正樣本仍少：sleeves (43 train pos)、hair_cover (37)、cotton_gloves (267) — 視覺判定本身困難
訓練 / 測試是 cvat task subset 主導，沒有 hash split

下一步候選

建立人工高精度 test set（500-1000 張 user 親手標）— 跟 PM 對齊 schema + 當 LLM benchmark gold standard

LLM-assisted relabel：對既有大量 unknown / 自動 mapping 的標註，用 Gemini Flash / Claude 進行 verification + 補強

加 hat_color / vest_color 多任務頭（方案 B，多任務 softmax，3-class hat / 3-class vest）

替換 ppe_service (port 7862) 從 v20260415 (4-cls) 為 v20260428 m3l (19-attr)

Pipeline 重現

所有 script 在 5090-2:~/factory_ppe/scripts/：

export_p5_v3.py — cvat2 project 5 → manifest（含 v3/v4/v5）

cppe5_preprocess.py + cppe5_to_crops.py — CPPE-5 整合

r2ppe_preprocess.py + r2ppe_upload_3way.py — R2PPE 整合（CC-BY-NC，注意 license）

upload_cppe5_3way.py — CPPE-5 3-way split 上傳

train_p9_attr_v4.py — 19-head BCE + per-attr mask 訓練

infer_ppe_v427.py — 單張 inference helper（適用 v428）

🦺 Factory PPE 19-attr — v20260428 (R2PPE 整合) 報告

🏆 推薦 deploy

8 版本完整對照

訓練曲線

R2PPE 補強效果（MobileNetV3-L v427 → v428）

Best Model Per-attribute Test Metrics

下一步候選

Pipeline 重現