口罩低解析度(480)對照實驗報告

cvat #46 辦公室口罩AI ｜預處理:原圖 1024×1024 → 480×480 降採樣 + bbox 座標同步縮放 → crop ｜ network input 384×384(同高解析)｜ fire框架 MobileNetV3-L camaug ep30 ｜ 2026-08-03

結論：
① face crop 對解析度幾乎免疫 —— 原圖降到 480(臉只剩 16×24px)後 val AP 仍 1.000,與高解析(1024)完全一樣。辦公室口罩 yes/no 訊號夠強,小臉也分得開。
② person crop 會被低解析拖累 —— AP 0.984→0.960(−0.024),且固定的 recall 問題持續(@0.5 漏 10/30)。
③ crop 尺度 > 原圖解析度：決定成敗的是「臉在 crop 裡佔比」,不是原圖多大。face crop 直接對準臉 → 低解析也 OK；person 全身 crop 稀釋臉訊號 → 高低解析都弱、低解析更弱。
④ 低解析會讓小臉整個消失：480 下 40 個臉 <8px 被丟(val 少 6 個)—— 這是低解析真實代價(遠處小臉直接偵測不到)。
👉 口罩辨識務必走 face crop；即使來源是低解析攝影機,face crop 仍穩,person crop 不建議。

四版對照(同 val 協定)

版本	crop	原圖	val n	AP	F1-opt thr	conf@0.5 (tp/fp/tn/fn)	conf@F1-opt
face HIGH	face	1024	60	1.000	0.030	28/0/30/2	30/0/30/0
face lr480	face	480	54	1.000	0.025	25/0/26/3	28/0/26/0
person HIGH	person	1024	60	0.984	0.015	19/0/30/11	28/1/29/2
person lr480	person	480	60	0.960	0.010	20/0/30/10	28/4/26/2

🔵 高解析 / 🟠 低解析。thr 皆偏低(fire 框架 prob 壓縮),各版 threshold 不同,實測時請分別採用該版 F1-opt thr(face 版 ~0.03、person 版 ~0.01)。無獨立 test 集,val 偏樂觀,以真人實測為準。

版本	建議起始 thr	特性
mask_v20260731 (face HIGH)	0.30(demo mask_exp)/ F1-opt 0.03	分離最乾淨
mask_face_lr480	0.025	低解析仍近乎完美,thr 略降
mask_person_v20260731 (person HIGH)	0.10(demo)/ F1-opt 0.015	recall 偏低
mask_person_lr480	0.010	低解析 recall 更難,thr 需更低,FP 風險升

😷 口罩辨識低解析度(480×480)對照實驗 🔬 實驗

四版對照(同 val 協定)

threshold 註記(供實測)

訓練曲線(低解析兩版)

低解析 crop 樣本(NEAREST 放大顯示,看清像素流失)

下載

😷 口罩辨識 低解析度(480×480)對照實驗 🔬 實驗

四版對照(同 val 協定)

threshold 註記(供實測)

訓練曲線(低解析兩版)

低解析 crop 樣本(NEAREST 放大顯示,看清像素流失)

下載

😷 口罩辨識低解析度(480×480)對照實驗 🔬 實驗