🚪 Hatch 門狀態偵測 — image classifier 報告

架構：MobileNetV3-L backbone + 2 binary heads (image-level multi-label)，跟 fire_smoke v20260410 同 pattern。

資料：cvat2 project 7「door_state_detection」7,471 frames（從 raicvat#12 hatch project 168 tasks 移植）。每張圖標 1 個 door tag with state attr ∈ [open/closed/mixed/unknown]。

🏆 結果

0.9996

val_mAP

0.9869

test_mAP

0.9482

macro_f1

4.2M

params

5.3min

train time

📊 訓練曲線

📈 Test Per-attribute

attribute	AP	F1	P	R	thr	valid
has_open 有門開啟	0.9966	0.977	0.974	0.979	0.76	1640
has_close 有門關閉	0.9772	0.920	0.908	0.932	0.32	1640

📥 模型下載 (R2 public)

hatch_v20260427_mobilenetv3l/best.pt (16.3 MB)
summary.json (含 thresholds + history)

🏗 模型架構

backbone: timm mobilenetv3_large_100.ra_in1k (4.2M params)
head: nn.Linear(1280, 2) + Dropout(0.3)
loss: BCEWithLogitsLoss(reduction="none") × per-attr mask（unknown 樣本不算 loss）
input: full image, 384×384, ImageNet normalize
output: 2 個 sigmoid: has_open / has_close

🧪 推論範例

img → model → [has_open=0.95, has_close=0.02]  → 圖中有開門
img → model → [has_open=0.02, has_close=0.98]  → 圖中有關門
img → model → [has_open=0.85, has_close=0.91]  → mixed（多扇門一開一關）
img → model → [has_open=0.10, has_close=0.15]  → 不確定（無門/看不清）

schema 設計：cvat 用單一 door tag + state select（open/closed/mixed/unknown），但訓練時轉成 2 個 binary head 處理 multi-door 場景。

📋 資料分布

split	open	closed	mixed	unknown	total
Train	518	1,815	1,742	461	4,536
Validation	101	451	539	79	1,170
Test	287	399	954	125	1,765

生成 2026-04-27｜ PPE 21-attr report｜ label guide｜ safety_rope proposal