訓練日期 2026-06-01 · 5090-2 GPU0 batch96 · MobileNetV3-L camaug+EMA · cvat #2 清理 + 飯店 hard-negative
operator 因飯店場景火煙誤報，加入 GREENIDEAS_嘉義福容飯店 task 5191（200 frame 全 negative）。同時 cvat #2 清理掉 61 個舊 task。val mAP 0.9824，訓練收斂健康。並列上架供場域實測飯店誤報。
| frame 數 | 說明 | |
|---|---|---|
| v527（5/27 訓練用） | 312,144 | 清理前 |
| v601（現 cvat #2） | 144,285 | 清理 61 舊 task（−169k）+ 加飯店 +53 data_id |
61 個早期大 task（每個 ~10000 frame）已被有意刪除（operator 確認不需要）。因此 v601 與 v527 資料集不同、指標不可直接比。v601 val mAP 0.9824 是清理後 144k 資料的健康水準（vs v527 0.9860，差 0.36pp 是資料變少+加 negative 的正常代價，非退步）。
飯店 task 5191 的 200 frame 全進 Train（沒進 Val/Test），所以飯店場景的誤報改善在 test 指標上看不到，必須場域實測驗證：在 ppe-demo 切到 fire_smoke_v601，對飯店 GREENIDEAS 影片跑推論，看誤報是否降低。
機制：model 學「這個飯店場景的畫面 = 無火無煙」→ 壓該場景的誤報。注意 200 frame 是單場景連續影格、高度同質，對「壓這個飯店場景」有效，但別期待改變整體指標。
backbone: mobilenetv3_large_100.ra_in1k, variant: camaug 訓練 imgsz: 224 / 推論 imgsz: 224（image classifier，無 cascade） batch: 96, epochs: 15 (early-stop @ ep10, patience 3), lr: 5e-4, wd: 0.05 mixup: 0.2, drop_rate: 0.3, ema: True (decay 0.999) manifest: fire_smoke_v20260601 (cvat #2 清理後 144k + 飯店 negative) # 沿用 v527 設定，僅資料變動