👤 Person 偵測器升級決策報告

2026-06-02 · 新 detector person_yolo26s@1280（test mAP50 0.825 / -95 0.637，遠景小目標 +60~90% vs v527）已驗證 · 本報告供決定「還有哪些 cascade 要換上去」

⭐ 一句話結論

偵測主導的 cascade（person / ppe22 / forklift_ppe）已全部升 yolo26s@1280（+ imgsz 自動讀根治）。剩下的是 ROI 裁切類（safety_rope / age_gender / ppe_color），它們 person 框只拿來定位裁圖餵下游分類器。其中 safety_rope 最值得換（場域 audit：78% FP / 97% 漏報都源自 person 偵測器本身），但必須先場域驗證；age_gender / ppe_color 低風險低優先。

1️⃣ 兩種 person 用法 — 決策的核心分野

類型	person 框的角色	換偵測器影響什麼	換的風險
偵測主導 (detection-primary)	person 的數量/位置就是輸出，或每個 person 都要被檢查（漏一個=漏一次安全檢查）	recall 直接決定安全覆蓋率；遠景小人漏偵測 = 漏檢	低（偵測更準＝更好），只要 conf/imgsz 對
ROI 裁切 (roi-crop)	person 框只拿來定位裁一塊 ROI 餵下游分類器（安全繩/年齡/顏色）	① 偵測到的 person 才會被分類（recall 仍重要）② 框的鬆緊/位置變了 → ROI 外擴後的構圖變 → 下游分類器看到不同畫面	中（下游分類器對 ROI 構圖敏感，需重新驗證）

2️⃣ 全部用到 person 偵測的 cascade（現況）

✅ 偵測主導 — 已升 yolo26s@1280（今天完成）

register key	handler	person 模型	推論 imgsz	person conf	用法
`person_s1280` ⭐NEW	PersonDetHandler	yolo26s@1280	1280 (自動讀)	0.25	純偵測
`ppe22_s1280` ⭐NEW	PPE21Handler	yolo26s@1280	1280 (自動讀)	0.25	person→裁→22-attr
`forklift_ppe_s1280` ⭐NEW	ForkliftPPEHandler	yolo26s@1280	1280 (自動讀)	0.25	forklift+person 關聯
— 既有並列（person 仍 yolo26n，但 imgsz bug 已修為 1280）：`person/person_v527`、`ppe22_v521/v529/v601b`、`forklift_ppe_v530` 等 —

🔧 順手修掉的 bug：PPE21Handler 的 person 偵測原本寫死 imgsz=640（所有 ppe22 都中），今天改成自動讀=1280。所以即使 ppe22_v521 等還用 yolo26n，現在也正確跑 1280 了。

⏳ ROI 裁切 — 尚未升（person 偵測仍 imgsz=640 hardcode + 舊模型）

3️⃣ 逐一分析 — 該不該換

register key	handler	person 模型	imgsz	conf	下游分類器	狀態
`safety_rope_ensemble` ⭐production	EnsembleSafetyRope	yolo26n_v527	640	0.35	DINOv3-S ×2 平均 (wrong/correct)	建議換·須驗證
`safety_rope` / `_v519` / `_v519_p527` / `_v529`	SafetyRope / ViT	yolo11n_v501 ~ yolo26n_v527	640	0.35	DINOv3 / RoI Align	同上
`age_gender`	AgeGenderHandler	yolo11n_v501（舊）	640	0.35	age/gender 估計	低優先
`ppe_color`	PPEColorHandler	yolo11n_v501（舊）	640	0.35	顏色分類 (v20260415)	低優先·疑 legacy

🪢 safety_rope（安全繩）— 高價值，但必須先驗證建議換

用法：person YOLO 偵測 → 框外擴（expand_x / expand_y_top=1.0 / expand_y_bot=1.5）→ RoI Align HD 1280×720 → DINOv3-S 判 wrong/correct。目前 person 偵測跑 imgsz 640。

為什麼值得換（強論點）：

場域 e2e audit 早就指出 safety_rope 真正的瓶頸是 person 偵測器：78% 誤報來自 YOLO 假框、97% 漏報來自 YOLO 漏框，不是 DINOv3 分類器。
yolo26s@1280 假框更少（precision 高）+ 遠景真人抓更多 → 可能直接同時降 safety_rope 的 FP 和漏報，比再調分類器 ensemble 效益更大。

為什麼必須先驗證（風險）：

DINOv3 分類器是吃「person 框外擴後的 ROI 構圖」。換偵測器 → 框鬆緊/位置變 → ROI 構圖位移 → 分類器可能 FP/recall 偏移。
遠景多抓的小人可能太小，安全繩特徵不可辨 → 帶進新的不確定分類。
safety_rope_ensemble 是剛上線的 production、且 FP 已調校過（threshold 0.4428），不宜盲換。

建議做法：建一個 safety_rope_ensemble_s1280 並列（person 換 yolo26s@1280、imgsz 自動 1280、conf 0.25），對代表場域影片（含遠景/轉場 task_2907 類）跑 e2e，比 FP/漏報 vs 現 production，數據好再切。零重訓（只換偵測器）。

🧒 age_gender（年齡性別）— 低優先可選

用法：person → 裁切 → 年齡/性別估計。person 仍用舊 yolo11n_v20260501（5/01）+ imgsz 640。

非安全關鍵，漏一個遠景人的後果遠小於 PPE/安全繩。換上去能讓遠景人也被估計，但下游 age/gender 對小臉本就不準。建議：要換就一起換（順手），但不急、不需單獨驗證太細。

🎨 ppe_color（顏色分類）— 低優先，疑 legacy 先確認還用不用

用法：person → 裁切 → 顏色分類。person 用舊 yolo11n_v501，分類器 ppe_color_v20260415（4 月舊版）。

版本很舊、可能已被 PPE 22-attr 取代。建議：先確認這個 demo 還有沒有人在用，沒用就直接從 register 移除（清掉而非升級）；還在用再順手換 person。

4️⃣ imgsz 自動讀方案（已上線，根治「每次手動確認」）

YOLO ckpt 存得到訓練 imgsz（yolo.overrides["imgsz"]），所以新 helper：

cascade_det_imgsz(yolo, floor) = max(ckpt 訓練 imgsz, floor)

person/小目標 floor=1280：訓 640 的舊模型→floored 1280（不漏遠景人）；訓 1280 的→1280；未來訓 1536→自動 1536
forklift floor=640：train==infer，訓 1280→自動 1280

三個偵測 handler 的 load() 都用它。以後換 person/forklift 模型只要丟 ckpt，imgsz 自動對，不用再人工確認，也不會重蹈 v530「自動讀成 640 漏遠景人」。若 ROI 裁切類也要換，會一併套用同 helper。

✅ 建議決策（勾選後告訴我）

模型	建議	動作	需驗證？
safety_rope_ensemble	換（高價值）	建 `safety_rope_ensemble_s1280` 並列 → 場域 e2e 比 FP/漏報 → 數據好再切 production	要（剛上 production）
safety_rope 其它並列版	跟著換	同上一起換 person	隨主版
age_gender	順手換	person → yolo26s@1280，imgsz 自動	否（非安全關鍵）
ppe_color	先確認用途	還在用→換；沒用→移除 register	否

註：以上全是零重訓（只換 cascade 內的 person 偵測器 + imgsz/conf）。safety_rope 我建議先做並列 + 場域驗證再切；其餘可直接換。