👷 PPE 27-attr NV 通用全量 512×256 — v20260703
升解析單變因（資料同 v701_nv 全量 201k crop, 只改輸入 384×192→512×256）· 驗證小物件辨識方向
結論：本 session 第一個 macro 贏過現役 v610 的完整版；小屬性大幅提升。已上 demo 並列 ppe22_v703_512 觀察。
同 test 集(17,606) macro(排NV) 0.9634 > v610 0.9547（+0.009）、小屬性 macro 0.8979 > v610 0.8619（+0.036）。production 暫維持 v610。
① 同 test 三方對照（17,606 crop，各用自身解析度）
| 指標 / attr | v610_384（現役） | v701_384（同資料） | v703_512（新） | Δ 512 vs v610 |
|---|
| macro（排NV）全attr | 0.9547 | 0.9360 | 0.9634 | +0.009 |
| 小屬性 macro | 0.8619 | 0.8407 | 0.8979 | +0.036 |
| helmet_goggles | 0.8971 | 0.9909 | 0.9970 | +0.100 |
| cotton_gloves | 0.7176 | 0.9201 | 0.9232 | +0.206 |
| face_mask_nv | 0.4809 | 0.7322 | 0.6983 | +0.217 |
| full_face_mask | 0.9766 | 0.9881 | 0.9908 | +0.014 |
| face_mask | 0.9818 | 0.9862 | 0.9927 | +0.011 |
| safety_glasses | 0.9457 | 0.9468 | 0.9556 | +0.010 |
| hair_cover | 0.8458 | 0.2179 | 0.7220 | −0.124 |
| sleeves | 0.9812 | 0.8670 | 0.9044 | −0.077 |
② 純解析度效果（v701 384 → v703 512，同資料單變因）
升解析本身的貢獻（排除資料變因）：macro +0.027、小屬性 macro +0.057。最關鍵：hair_cover 0.218 → 0.722（+0.504） —— 384 全量重訓崩掉的稀有小屬性，升解析大幅救回；helmet_goggles +0.10、cotton_gloves +0.21。
⚠️ 殘留：hair_cover(0.722) / sleeves(0.904) 仍略低現役 v610(0.846/0.981)。這是「納新料全量重訓稀釋稀有 attr」的老問題（512 救回大半但沒全補），非解析度造成。要完全追平需對這兩個 attr 加權/補標。
③ 熱區佐證（Grad-CAM）
升解析不只提升 AP，還讓模型看對物件：384 版判 safety_shoes 熱區在上半身(情境捷徑)，512 版正確落到腳上。詳見 熱區對比報告。
④ 訓練 stack
- MobileNetV3-L · 27 head NV · partial-label BCE(unknown mask=0) · per-attr pos_weight(clip 1~10) · aug strong+mixup0.2
- 訓練 imgsz 512×256 / 推論 imgsz 512×256（vs 現役 384×192；規則18）
- 40 ep patience16 batch128 lr3e-4 wd0.01 — best ep34 · 訓練 120 分
- 資料：cvat #12 全量 201,186 crop（train 153,475 / val 30,104 / test 17,606），同 v701_nv
下一步：對 hair_cover/sleeves 加權或補標的 512 版，若連這兩個也不輸 v610 → 可切 production。
→ 所有報告目錄