🦺 Factory PPE — v20260504 ｜ 8hr 自主研究

21 binary heads partial-label BCE MobileNetV3-L 4.23M 21 attrs 訓練日期：2026-05-04 ｜ 5090-2 dual-GPU 平行訓練 ｜ 來源：cvat2 project 5 + project 12（307K crops）

🎯 研究目的

針對「hard_hat / harness / safety_vest」三個關鍵 PPE attr 降低 FP 率： • hard_hat 是工地最常見項目，誤報損信任
• harness 是高處作業合規關鍵，FP 高造成警報疲勞
• safety_vest 是反光背心通用判定 attr
以 v503 baseline 為對照，跑 6 個 weighting / aug 變體 + research agent 平行對照組，找出最佳組合。

📊 主要結論（test split）

📈 7 變體對比（focus 3 attr）

FP 視覺化（3 個 attr × 7 變體）

🧠 Research agent 核心 insight

📦 模型下載（Cloudflare R2）

三個關鍵變體公開下載，皆為 16 MB，state_dict 直接 torch.load 即可（含 21-attr binary heads）：

import torch, timm, torch.nn as nn

class GenericClassifier(nn.Module):
    def __init__(self, backbone, n_attr, feat_dim):
        super().__init__()
        self.backbone = timm.create_model(backbone, pretrained=False, num_classes=0, global_pool="avg")
        self.dropout = nn.Dropout(0.3)
        self.cls = nn.Linear(feat_dim, n_attr)
    def forward(self, x): return self.cls(self.dropout(self.backbone(x)))

ckpt = torch.load("factory_ppe_v20260504_negw_harness20_camaug.pt", weights_only=False)
model = GenericClassifier(ckpt["backbone_name"], len(ckpt["attrs"]), ckpt["feat_dim"]).eval()
model.load_state_dict(ckpt["model_state"])
# attrs (21): hard_hat, no_head_protection, full_face_mask, face_mask, no_gloves,
#   cotton_gloves, rubber_gloves, no_protective_clothing, cleanroom_suit,
#   splash_proof_gown, safety_vest, safety_shoes, no_safety_shoes, no_sleeves,
#   heartbeat, sleeves, safety_glasses, hair_cover, helmet_goggles, harness, fall
# 推論：person crop 384×192 → ImageNet normalize → sigmoid 21 outputs
# F1-best thresholds 在 ckpt["thresholds"] dict 內

🥇 部署建議

🚀 下階段建議（依 ROI 優先序）

1. 3-seed ensemble（最高 ROI）：對 negw_harness20 跑 3 不同 random seed，softmax average → 預期再降 ~10% FP，零 architecture 改動。
2. harness 改 RoIAlign：從 safety_rope v9 借經驗（CVAT bbox-tight + 1.0/0.2/1.5 外擴 + HD 1280×720），harness 是 fine-grained 結構（鉤子、繩索路徑），RoIAlign 比 person crop resize 更合適。
3. safety_vest multi-task consistency：safety_vest 跟 sleeves/hi_visibility 視覺重疊，加 consistency loss 強制邏輯互斥可進一步降 FP。
4. inference temporal smoothing：已在 v6 series 啟用（5-frame median），其他 attr 也可考慮。

📊 v504c 完整 21-attr 指標

📈 v504c 訓練曲線

📦 訓練設定

Generated 2026-05-04 ｜ rai-vision-training ｜ kaggle-reports.pages.dev