訓練日期 2026-05-26 · 5090-2 GPU 0 單卡 batch 64 · base = yolo26n.pt · cvat #9 持續累積
cvat #9 自 v519 後新通過約 30% task（v519 train 11360 → v526 train 13584，+2224 圖）。v526 val 在自家 val（1313 img / 1307 instances）達 mAP50 0.9715 / mAP50-95 0.8249，refit best.pt val 後 P=0.948 / R=0.940 / mAP50=0.972 / mAP50-95=0.826。Single-class forklift detector 在多場域累積後仍持續微升，可直接上線。
| Ckpt | P | R | mAP50 | mAP50-95 | train img | val img |
|---|---|---|---|---|---|---|
| v514 yolo11n | 0.979 | 0.966 | 0.9880 | 0.8542 | ~10.6k | ~1.1k |
| v518 yolo11n | 含 +20 HONCHUAN task | — | — | |||
| v519 yolo26n | 0.949 | 0.907 | 0.9526 | 0.8205 | 11,360 | 1,171 |
| v526 yolo26n | 0.948 | 0.940 | 0.9722 | 0.8260 | 13,584 | 1,313 |
v526 在自家 val 上 Recall +3.3pp / mAP50 +2.0pp vs v519。注意 val set 不同（v526 新增了 5/22-5/26 新場域），數字趨勢可信但非完全 fair compare。
| Split | v519 | v526 | Δ |
|---|---|---|---|
| train | 11,360 | 13,584 | +2,224 (+20%) |
| val | 1,171 | 1,313 | +142 |
| test | 2,264 | 2,420 | +156 |
v519 已修 rectangle 不丟（之前 v518 漏 72% annotation 教訓），v526 export script 也走同一條 path（rectangle + polygon 兩種都吃）。
forklift_yolo26n_v20260526/best.pt ⬇
task: detect, model: yolo26n.pt, epochs: 100 batch: 64, imgsz: 640, device: 0 optimizer: auto, lr0: 0.01, lrf: 0.01, momentum: 0.937, weight_decay: 0.0005 mosaic: 1.0, close_mosaic: 10, fliplr: 0.5, translate: 0.1, scale: 0.5 hsv_h: 0.015, hsv_s: 0.7, hsv_v: 0.4 warmup_epochs: 3.0, warmup_momentum: 0.8, warmup_bias_lr: 0.1 flipud: 0.0, degrees: 0.0, mixup: 0.0, copy_paste: 0.0 # best fitness @ ep41, last ep100 mAP50=0.9715, mAP50-95=0.8249 # refit best.pt @ val: P=0.948 R=0.940 mAP50=0.972 mAP50-95=0.826 # 訓練時間 ~1.13 hr (100 ep 單卡 GPU 0)