訓練日期 2026-05-27 · 5090-2 GPU 0 單卡 batch 64 · base = yolo26n.pt · cvat #1 新標續訓
cvat #1 自 v526 後新增 231 train img（+0.8%），v527 在自家 val 達 P=0.853 / R=0.592 / mAP50=0.690 / mAP50-95=0.473，vs v526（0.683/0.467）+0.7pp/+0.6pp，vs v521（0.683/0.466）也 +0.7pp/+0.7pp。person 在 cvat #1 規模 28k train 後仍能小幅進步，可上線替 v526。
| Ckpt | P | R | mAP50 | mAP50-95 | train img |
|---|---|---|---|---|---|
| v521 yolo26n | 0.919 | 0.777 | 0.875 | 0.681 | 27,558（v521 test set） |
| v526 yolo26n | 0.841 | 0.591 | 0.683 | 0.467 | 27,989 |
| v527 yolo26n | 0.853 | 0.592 | 0.690 | 0.473 | 28,220 |
v521 數字在 v521 test set 上 fair compare，v526/v527 在自家 val（不同分布，互比較可信但跟 v521 不可直接比）。
| Split | v526 | v527 | Δ |
|---|---|---|---|
| train | 27,989 | 28,220 | +231 |
| val | 4,015 | 4,015 | 0 |
| test | 5,938 | 5,938 | 0 |
cvat #1 自 5/26 後 user 補標 ~231 train img（含 jujia/A1/A7 系列等 3 個新 video-mode task）。export v527 用 cvat_helpers.cvat_frame_iter 處理 video-mode（不漏 frame）。
person_yolo26n_v20260527/best.pt ⬇
task: detect, model: yolo26n.pt, epochs: 100 batch: 64, imgsz: 640, device: 0 optimizer: auto, lr0: 0.01, lrf: 0.01, momentum: 0.937, weight_decay: 0.0005 mosaic: 1.0, close_mosaic: 10, fliplr: 0.5, translate: 0.1, scale: 0.5 hsv_h: 0.015, hsv_s: 0.7, hsv_v: 0.4 warmup_epochs: 3.0, warmup_momentum: 0.8, warmup_bias_lr: 0.1 flipud: 0.0, degrees: 0.0, mixup: 0.0, copy_paste: 0.0 # best by mAP50-95 @ ep100 = 0.4730 # 訓練時間 ~2.5 hr (100 ep 單卡 GPU 0)