堆高機 — 漏標／誤報 複核清單
2026-08-05 · 來源：用
forklift_v20260804 對 cvat #9 in-scope 六支鏡頭中
沒有任何標註的 850 張畫面跑推論，把「模型偵到但該畫面沒標註」的 27 個框全部列出
這份清單怎麼用
- 橘色框 = 模型偵到的位置；底圖是原始畫面（已放大到框附近）
- 點「▶ 在 cvat 開啟這一格」會直接跳到該 task 的該 frame
- 判定是我目視的初步結果，以你的確認為準
| 判定 | 數量 | 建議處理 |
|---|---|---|
| 🔴 疑似漏標 | 8 | 確認後補標（不要刪 frame — 這是有效正樣本） |
| 🟡 看不清 | 3 | 放大確認；真的看不出來就刪 frame |
| ⚪ 真誤報 | 16 | 保留不動，這些是有價值的 hard negative |
為什麼漏標要緊
其中好幾張在
真誤報的類型很集中：TC-1-102 的綠色手推板車（task 9442 就佔 9 張）、頻道4 的黃色欄杆／貨架、 藍色小貨車駕駛座、紅黑色棧板架。這些畫面留著當訓練負樣本反而有價值，模型會學到「這不是堆高機」。
其中好幾張在
val / test 裡（頻道5 的 t10286／t10288／t10289 都是 test）。
模型明明偵對了卻被算成誤報 —— 這會讓 precision 被低估，昨天那組評估數字（頻道5 mAP50 0.9825）其實偏保守。
補標後重跑評估才是真實水準。
真誤報的類型很集中：TC-1-102 的綠色手推板車（task 9442 就佔 9 張）、頻道4 的黃色欄杆／貨架、 藍色小貨車駕駛座、紅黑色棧板架。這些畫面留著當訓練負樣本反而有價值，模型會學到「這不是堆高機」。
🔴 疑似漏標（8）
🔴 疑似漏標 — 建議補標
模型信心 0.94
🔴 疑似漏標 — 建議補標
模型信心 0.91
🔴 疑似漏標 — 建議補標
模型信心 0.91
🔴 疑似漏標 — 建議補標
模型信心 0.89
🔴 疑似漏標 — 建議補標
模型信心 0.89
🔴 疑似漏標 — 建議補標
模型信心 0.86
🔴 疑似漏標 — 建議補標
模型信心 0.52
🔴 疑似漏標 — 建議補標
模型信心 0.31
🟡 看不清，需放大確認（3）
🟡 看不清 — 需放大確認
模型信心 0.73
🟡 看不清 — 需放大確認
模型信心 0.52
🟡 看不清 — 需放大確認
模型信心 0.29
⚪ 真誤報 — 建議保留當 hard negative（16）
⚪ 真誤報 — 可作 hard negative
模型信心 0.91
⚪ 真誤報 — 可作 hard negative
模型信心 0.91
⚪ 真誤報 — 可作 hard negative
模型信心 0.89
⚪ 真誤報 — 可作 hard negative
模型信心 0.89
⚪ 真誤報 — 可作 hard negative
模型信心 0.85
⚪ 真誤報 — 可作 hard negative
模型信心 0.81
⚪ 真誤報 — 可作 hard negative
模型信心 0.81
⚪ 真誤報 — 可作 hard negative
模型信心 0.73
⚪ 真誤報 — 可作 hard negative
模型信心 0.71
⚪ 真誤報 — 可作 hard negative
模型信心 0.71
⚪ 真誤報 — 可作 hard negative
模型信心 0.69
⚪ 真誤報 — 可作 hard negative
模型信心 0.67
⚪ 真誤報 — 可作 hard negative
模型信心 0.45
⚪ 真誤報 — 可作 hard negative
模型信心 0.45
⚪ 真誤報 — 可作 hard negative
模型信心 0.30
⚪ 真誤報 — 可作 hard negative
模型信心 0.25
掃描條件：conf ≥ 0.25 · imgsz 1280 · in-scope 六支鏡頭全部 6,942 張中的 850 張無標註畫面
另外先前已在 test 分析中確認並刪除 3 個漏標 frame：task 8455 f5、task 9862 f3、task 5661 f2
另外先前已在 test 分析中確認並刪除 3 個漏標 frame：task 8455 f5、task 9862 f3、task 5661 f2