👓 glasses_face_v20260731 眼鏡辨識 實驗報告

🧪 測試實驗。 🟣 FACE 版 —— label=face,臉部 crop(非全身),cascade 前端需 yolo-face PGIE。cvat #47 門口眼鏡AI生成。參數 100% 照眼鏡實驗,差異=crop 對象是臉。

MobileNetV3-L binary ｜ cvat #47 ｜ FACE crop 384×384 ｜ PGIE=yolo-face ｜ 未切 production

best.pt ⬇ (實驗版)

做法 FACE crop

cvat #47(face bbox + glasses[yes/no])→ face polygon→bbox 臉部 crop → MobileNetV3 二元。與人形crop的眼鏡版(#43/#45)不同:這版 crop 對象是臉、PGIE 用 face 偵測器。訓練參數與眼鏡實驗完全相同(384、batch64、ep30、lr5e-4、patience8、camaug)。

訓練資料

train 983(戴 554/沒戴 429)· val 124(戴 72/沒戴 52)· ⚠️ 無 Test· pos_weight 0.774

臉部 crop 樣本 FACE

📈 訓練曲線

結果(val,無 test)

指標值
val glasses AP0.9790 @ep10
@0.5 accuracy0.806
FN(戴→判沒戴)1/72(recall 好)
FP(沒戴→判戴)23/52 @0.5 ⚠️

🎚️ 推論門檻(ckpt 未內含)

mask/glasses = sigmoid(logit[0])(index 0)。這 model 機率嚴重偏高、傾向判「戴」,thr 0.5 下 FP 爆(23/52):

thrFPFN
F1-opt 0.971(建議)~2(P 0.956)R 0.903
0.914/523/72
0.5(不建議)23/521/72

demo 設 thr 0.97。⚠️ FP 傾向頑固(高門檻也壓不太下)→ 需真實料/test 驗,懷疑 AI 生成的「沒戴」臉有 artifact。

實驗判讀

  1. FACE 版(臉部 crop + yolo-face PGIE)—— 跟人形crop眼鏡(#43/#45)是不同架構,不可直接比
  2. AP 0.979 排序好,但強烈偏判「戴」→ FP 頑固(F1-opt 要 0.971 這麼高)
  3. ⚠️ val 非 test(#47 無 test)+ AI 生成料 → 偏樂觀且 FP 傾向需真實驗

ckpt: R2 glasses_face_v20260731/best.pt。demo: glasses_face(yolo-face PGIE, thr 0.97, 實驗)。