📦 模型下載：https://pub-478929a98a5c440cb22c2241c0bde314.r2.dev/person_yolo11n_v20260518/best.pt

🧍 person YOLO11n v20260518

yolo11n + cvat #1 +28 task 含 HONCHUAN 新場域

結果摘要：ep100 P=0.862 / R=0.599 / mAP50=0.696 / mAP50-95=0.474 — 退步明顯
對標 baseline：v20260501 baseline mAP50=0.92, R=0.86

📊 結果

指標	v20260501 baseline	v20260518 (ep100)	Δ
P	0.914	0.862	−5.2pp
R	0.859	0.599	−26.0pp ❗
mAP50	~0.92	0.696	−22.4pp
mAP50-95	0.595	0.474	−12.1pp

📦 訓練 stack

Backbone：YOLO11n
Hyperparams：100 ep / batch=64 / imgsz=640 / device=0,1 (沿用 v20260501)
Dataset：cvat #1, 25,429 train / 3,712 val / 5,706 test img · 158,546 bbox
新加 task：+28 HONCHUAN（13 train / 5 val / 10 test）

📝 觀察

退步推測：HONCHUAN 監視器 person 多半小、遠、模糊；polygon→bbox 轉換可能跟 baseline 不一致；baseline 可能用 cvat #1 以外的 source（如 Mapillary）。Recall 大跌 26pp 表示新 model 學保守。建議跑 baseline ckpt 對 v518 test set 做 cross-eval。

關聯文件： → v20260518–19 batch 整體報告 · → 模型訓練 SOP · → 所有報告目錄