😷 mask_person_v20260731 口罩辨識（person crop 版）實驗報告 🔬 實驗對照

cvat #46 辦公室口罩AI ｜訓練 imgsz 384（方形 crop）｜推論 PGIE person det imgsz 1280 → 全身 crop → MobileNetV3-L binary｜產出 2026-07-31

結論：以 person 全身 crop 辨識口罩，val AP=0.984（排序能力佳），但 明顯弱於 face crop 版（#46 mask_exp AP≈1.0）。
原因：口罩是臉部小特徵，全身 crop 稀釋了臉部訊號 → prob 壓縮偏低（no 全 ≤0.03、yes 分兩群）， thr=0.5 時 30 個戴口罩者漏 11（recall 63%）。face crop 直接對準臉,幾乎完美分離。
👉 口罩辨識應走 face crop（mask_exp）；此 person 版留作對照,驗證「小特徵屬性不宜用全身 crop」(同 fall 用方形 crop、口罩用 face crop 的道理)。

做法

SAM3 text-prompt person 在 cvat#46 產 person polygon（363 個 / 120 frame）
用 face 中心點 point-in-polygon 找涵蓋它的 person，把 face 的 mask 傳給該 person（360 對 100% 命中、零衝突；3 個無 face 的 person→unknown 排除）
只取 person label → polygon bbox 裁全身 crop → fire_smoke 框架二元分類（mask vs dummy，score=sigmoid(logit[0])）
參數同眼鏡/口罩實驗：MobileNetV3-L、384×384、camaug、ep30 patience8、lr5e-4

訓練資料（cvat#46 person crop）

split	沒戴 no	戴 yes	合計
train	150	150	300
val	30	30	60
total	180	180	360

unknown（3 個無 face 的 person）已排除。yes/no 完美平衡（pos_weight=1.000）。無獨立 test 集,val 數字偏樂觀,請以真人實測為準。

📈 訓練曲線

結果 & 誤報分析

指標	person crop（本版）	face crop（#46 mask_exp 對照）
val AP (mask)	0.984	≈1.00
thr=0.5 confusion (tp/fp/tn/fn)	19 / 0 / 30 / 11	近乎全對
thr=0.5 recall	63%（漏 11/30）	~100%
prob 分布	壓縮偏低（no≤0.03, yes 雙峰）	分離清楚

精確率高、召回低：no 樣本 prob 全 ≤0.03（零 FP），但戴口罩者有 11/30 也被壓到低分 → 全身 crop 下模型抓不到口罩訊號
F1-opt thr≈0.01（極低）才能救回 recall（28/30），代表訊號微弱而非門檻沒調好
demo 門檻設 0.1（no≤0.03 → 仍零 FP，盡量救 recall）,但本質限制無法靠門檻消除

person crop 樣本

戴口罩 yes

沒戴 no

部署

ppe-demo-4t register key mask_person_exp（🔬 實驗對照,person det PGIE 1280→全身 crop→mask）。不切換 production,由同事決定。

⬇ best.pt (R2)