🧍 人員 Detection — YOLO11n v20260501

YOLO11n det cvat2 project 1 cascade element 訓練日期:2026-05-01 | 5090-2 雙卡 DDP | batch=64, epochs=100

📊 主要指標

Val mAP50
0.6888
Val mAP50-95
0.4666
Val Precision
0.8586
Val Recall
0.5953
參數量
2.6M
最佳 epoch
100
cascade 角色: 本模型偵測畫面中所有 person,是 PPE / safety_rope / forklift_ppe 三大 cascade 的中間階段(負責「框出每個人」)。

📈 訓練曲線

📦 資料集(cvat2 project 1)

SplitImages說明
Train26,064cvat task.subset=Train(含 SAM3 標記併入)
Validation3,508cvat task.subset=Validation
Test5,400cvat task.subset=Test
合計34,972跨來源 deleted_frames 已過濾

影像直接從 cvat2 docker volume 讀(/mnt/ssd/cvat2/data/cvat_data/data/<tid>/raw//mnt/ssd/cvat2/data/cvat_share/<path>),不走 API,避免外部網路 I/O。

🎯 PR Curve · Confusion Matrix · Results

Confusion Matrix

🚀 模型具體用法

單模型偵測

from ultralytics import YOLO
model = YOLO("person_yolo11n_v20260501.pt")
results = model("image.jpg", conf=0.35)
for r in results:
    for box in r.boxes:
        x1, y1, x2, y2 = box.xyxy[0].tolist()
        conf = float(box.conf[0])
        print(f"person {conf:.2f}  bbox=({x1:.0f},{y1:.0f},{x2:.0f},{y2:.0f})")

🔁 重訓動機與本次差異