ไปรษณีย์ไทย

ผลทดสอบล่าสุด — ชุดข้อมูลรถ EV

Latest Test Results · EV Dataset

กำลังตรวจสอบโมเดล…

Phase 2 · รถ EV

ชุดข้อมูลรถ EV และผลทดสอบล่าสุด

หน้านี้คือ ผลตามจริง ของระบบบนภาพรถ EV ทั้ง 1,811 ภาพ — จุดเริ่มต้น (baseline) ของโมเดลปัจจุบัน และผลเทสล่าสุดจากการทดลองเทรนใหม่แบบเร็ว เทียบกับชื่อโฟลเดอร์ที่เจ้าหน้าที่จัดไว้ ส่วนหน้า Live Monitor แสดงเฉพาะภาพตัวอย่างที่คัดมาสาธิตการทำงาน · Honest results on the EV-van set: current-model baseline plus the latest quick-retrain experiment.

ภาพ: 1,811ขนาด: 640x360โมเดล: dinov3สร้างเมื่อ: 2026-09-02T18:45:20ผลเทสล่าสุด: 2026-09-02T19:04:05

จุดเริ่มต้น — โมเดลปัจจุบัน ก่อนเทรนใหม่ · ทั้ง 1,811 ภาพ

26.1%

ทายตรงระดับ (เทียบชื่อโฟลเดอร์)

ระดับละ 20% รวม 6 ระดับ · ไม่สุ่ม ไม่ตัดไฟล์ใด

62.4%

คลาดเคลื่อนไม่เกิน 1 ระดับ

นับรวมภาพที่ทายตรงและภาพที่พลาดไประดับข้างเคียง

24.9 จุด

คลาดเคลื่อนเฉลี่ย (MAE โดยประมาณ)

เป้าหมาย ≤ 10 จุด · ค่าคาดหวังถ่วงน้ำหนักด้วยความน่าจะเป็น 24.6 จุด

19.7%

อยู่ภายใน ±10 จุด (ประมาณ)

เป้าหมาย ≥ 85% · จากค่าคาดหวังถ่วงน้ำหนัก (ถ้านับจากระดับที่ตอบ = 26.1% เท่ากับทายตรงระดับ)

ผลเทสล่าสุด — ทดลองเทรนส่วนหัว (ขั้นที่ 3) · ก่อน → หลัง บนภาพชุดเดียวกัน

30.9% → 61.0%

ทายตรงระดับ · ชุดทดสอบ time-block

n=382 · คาดไว้ก่อนทดลอง 55–80% · เซสชันเดียวกับที่เทรน

22.2 → 9.5 จุด

MAE (โดยประมาณ) · ชุดทดสอบ time-block

เป้าหมาย ≤ 10 จุด · คาดไว้ก่อนทดลอง 6–12 จุด

38.0% → 39.2%

ข้ามเซสชัน · recall ของ 41–60%

n=79 ระดับเดียว · ยังไม่เห็นการเปลี่ยนแปลงที่วัดได้

→

ดูรายละเอียดการทดลอง →

วิธีแบ่งข้อมูล เช็กทางลัด ช่วงที่คาดไว้ และตารางความสับสนก่อน/หลัง (หัวข้อ 4)

1

ชุดข้อมูลรถ EV คืออะไร

What the EV dataset is

ชุดตัวอย่างจากรถตู้ไฟฟ้าของไปรษณีย์ไทย ถ่ายจากกล้องมุมกว้างตัวเดียวในห้องสินค้า เป็นภาพสี มีเวลาพิมพ์บนภาพ เจ้าหน้าที่จัดภาพลงโฟลเดอร์ตามระดับพื้นที่ว่าง (ระดับละ 20%) ซึ่งใช้เป็น “คำตอบอ้างอิง” ของทุกตัวเลขในหน้านี้

โฟลเดอร์ (ระดับพื้นที่ว่าง)

0_ · 1-20_ · 21-40_ · 41-60_ · 61-80_ · 81-100_

โครงสร้าง

flat — 1 โฟลเดอร์ต่อ 1 ระดับ

จำนวนภาพ

1,811 ภาพ

ขนาดภาพ

640x360

วันที่ถ่าย (กล้อง)

05/08, 06/08

ไฟล์ซ้ำ

12 ไฟล์

ภาพจับหน้าจอ

36 ภาพ

ยานพาหนะ / กล้อง

รถตู้ไฟฟ้า (EV van) · กล้อง 1 ตัว มุมกว้าง ภาพสี

โมเดลปัจจุบันเทรนจากรถอีกแบบ (รถบรรทุก ภาพอินฟราเรด) และไม่เคยเห็นภาพรถ EV มาก่อน

ตัวอย่างภาพจากรถ EV ระดับ 41–60%
ตัวอย่างภาพจากรถ EV · โฟลเดอร์ 41-60_ (ว่าง 41-60%) · 2026-08-05 15:42:31

ตัวอย่าง 2 ภาพต่อระดับ (เลือกกระจายตามเวลาถ่าย) พร้อมช่วงเวลาที่ถ่ายของแต่ละโฟลเดอร์ — ป้าย ถูก/ผิด คือผลของโมเดลปัจจุบันบนภาพนั้น

0% (เต็ม)

n = 300

06/08 18:23–20:03
ตัวอย่างการทำนายถูก
จริง0% (เต็ม)→ทาย0% (เต็ม)

ความมั่นใจ 78%

ตัวอย่างการทำนายถูก
จริง0% (เต็ม)→ทาย0% (เต็ม)

ความมั่นใจ 64%

1-20%

n = 311

06/08 15:01–18:10
ตัวอย่างการทำนายผิด
จริง1-20%→ทาย41-60%

ความมั่นใจ 78%

ตัวอย่างการทำนายผิด
จริง1-20%→ทาย41-60%

ความมั่นใจ 47%

21-40%

n = 300

06/08 11:13–14:58
ตัวอย่างการทำนายผิด
จริง21-40%→ทาย41-60%

ความมั่นใจ 42%

ตัวอย่างการทำนายผิด
จริง21-40%→ทาย41-60%

ความมั่นใจ 62%

41-60%

n = 300

05/08 15:42–17:12
06/08 09:03–11:10
ตัวอย่างการทำนายถูก
จริง41-60%→ทาย41-60%

ความมั่นใจ 82%

ตัวอย่างการทำนายถูก
จริง41-60%→ทาย41-60%

ความมั่นใจ 56%

61-80%

n = 300

05/08 11:21–15:38
ตัวอย่างการทำนายถูก
จริง61-80%→ทาย61-80%

ความมั่นใจ 65%

ตัวอย่างการทำนายผิด
จริง61-80%→ทาย41-60%

ความมั่นใจ 83%

81-100% (ว่าง)

n = 300

04/08 15:48–16:45จับหน้าจอ
05/08 09:11–11:20
ตัวอย่างการทำนายถูก
จริง81-100% (ว่าง)→ทาย81-100% (ว่าง)

ความมั่นใจ 80%

ตัวอย่างการทำนายผิด
จริง81-100% (ว่าง)→ทาย61-80%

ความมั่นใจ 50%

ความสะอาดของข้อมูล:ไฟล์ซ้ำ 12ภาพจับหน้าจอ 36 (ระดับ 81-100% (ว่าง))— รายงานเป็นชุดย่อย ไม่ตัดออกจากตัวเลขหลัก (ตัดไฟล์ซ้ำแล้ว: 26.3% จาก 1,799 ภาพ)
2

ถ่ายเมื่อไร — 1 ระดับ = 1 ช่วงเวลา

Capture sessions

อ่านเวลาจากชื่อไฟล์และเวลาที่พิมพ์บนภาพ พบว่าภาพของแต่ละระดับถูกถ่ายต่อเนื่องในช่วงเวลาเดียว ระหว่างวันที่ 05/08 และ 06/08 (ส่วนภาพจับหน้าจอ 36 ภาพ ถ่ายต่างหากอีกวัน)

04 ส.ค.05 ส.ค.06 ส.ค.08:0009:0010:0011:0012:0013:0014:0015:0016:0017:0018:0019:0020:0021:0004 ส.ค. 15:48–16:45 · 81-100 · 36 ภาพ (จับหน้าจอ)81-100 · จับหน้าจอ 3605 ส.ค. 09:11–11:20 · 81-100 · 264 ภาพ81-100 · 264 ภาพ05 ส.ค. 11:21–15:38 · 61-80 · 300 ภาพ61-80 · 300 ภาพ05 ส.ค. 15:42–17:12 · 41-60 · 79 ภาพ41-60 · 79 ภาพ06 ส.ค. 09:03–11:10 · 41-60 · 221 ภาพ41-60 · 221 ภาพ06 ส.ค. 11:13–14:58 · 21-40 · 300 ภาพ21-40 · 300 ภาพ06 ส.ค. 15:01–18:10 · 1-20 · 311 ภาพ1-20 · 311 ภาพ06 ส.ค. 18:23–20:03 · 0% · 300 ภาพ0% · 300 ภาพ18:00 เย็น / แสงเปลี่ยน

แต่ละระดับถูกถ่ายในช่วงเวลาเดียวกันเกือบทั้งหมด (1 ระดับ ≈ 1 รอบการโหลดของ) ทำให้แสง โทนสี และเวลาที่พิมพ์อยู่บนภาพ ผูกติดกับระดับพื้นที่ว่างโดยไม่ตั้งใจ — หากแบ่งชุดฝึก/ทดสอบแบบสุ่มจากชุดนี้ ภาพเฟรมติดกันจะไปอยู่ทั้งสองฝั่ง และค่าความแม่นยำที่วัดได้จะสูงเกินจริง · แถบลายเฉียงเส้นประ = ภาพจับหน้าจอ (screenshot) ไม่ใช่เฟรมจากกล้องโดยตรง

ความอิ่มตัวของสีเฉลี่ยต่อระดับ (mean saturation, 0–255) — ยิ่งมีกล่องเหลืองมาก สียิ่งจัด

0% (เต็ม)
151
1-20%
148
21-40%
150
41-60%
128
61-80%
107
81-100% (ว่าง)
75

ค่าความอิ่มตัวลดลงตามระดับความว่างอย่างเป็นระบบ — โมเดลที่เทรนบนชุดนี้ตรง ๆ อาจ “เดา” จากความเหลืองของภาพ หรือแสงในช่วงเวลานั้น แทนการดูพื้นที่ว่างจริง จึงต้องออกแบบการเก็บภาพและการแบ่งข้อมูลให้ตัดทางลัดนี้ (ดูแผนพัฒนา)

3

ผลโมเดลปัจจุบัน เทียบกับชื่อโฟลเดอร์

Current model vs folder label

นับว่า ถูก เมื่อระดับที่ AI ตอบตรงกับโฟลเดอร์ที่เจ้าหน้าที่จัดไว้ (ทั้ง 1,811 ภาพ ไม่สุ่ม ไม่ตัดไฟล์ใด) — ทายตรง 26.1% · คลาดเคลื่อนไม่เกิน 1 ระดับ 62.4% · Macro F1 0.259

Confusion Matrix

แถว = โฟลเดอร์จริง · คอลัมน์ = ระดับที่ AI ทำนาย · แนวทแยง (เขียว) คือทายถูก · สังเกตคอลัมน์ 41-60 ที่หนาแน่น

จริง↓ / ทาย→
0%
1-20
21-40
41-60
61-80
81-100
0%
124
3
43
106
17
7
1-20
64
5
69
150
22
1
21-40
8
29
27
204
32
0
41-60
5
33
55
173
34
0
61-80
1
15
75
128
74
7
81-100
0
0
145
21
64
70

ความแม่นยำรายคลาส

Recall ต่อคลาส (สัดส่วนภาพที่ทายถูกในคลาสนั้น)

0% (เต็ม)41% · F1 0.49 · n=300
1-20%2% · F1 0.03 · n=311
21-40%9% · F1 0.08 · n=300
41-60%58% · F1 0.32 · n=300
61-80%25% · F1 0.27 · n=300
81-100% (ว่าง)23% · F1 0.36 · n=300

โมเดลตอบ “กลาง ๆ” เมื่อไม่แน่ใจ (prediction collapse)

เทียบสัดส่วนภาพในแต่ละระดับตามชื่อโฟลเดอร์ กับสัดส่วนคำตอบที่ AI ให้ (นับจากคอลัมน์ของ confusion matrix)

คลาสจริง (ตามโฟลเดอร์)

17%
17%
17%
17%
17%
17%

ที่ AI ทาย

11%
23%
43%
13%
0% (เต็ม)300 → 2021-20%311 → 8521-40%300 → 41441-60%300 → 78261-80%300 → 24381-100% (ว่าง)300 → 85
ข้อสังเกต: AI ตอบ 41-60% ถึง 782 ภาพ (43.2%) ทั้งที่มีจริง 300 ภาพ — เมื่อภาพไม่เหมือนสิ่งที่เคยเรียนรู้ โมเดลมักถอยไปตอบระดับกลาง ๆ ซึ่งเป็นพฤติกรรมปกติของโมเดลที่พบข้อมูลนอกขอบเขต (out-of-distribution)

ค่าความมั่นใจของโมเดล แยกถูก/ผิดได้หรือไม่

ถ้าความมั่นใจใช้ได้ ภาพที่ทายถูกควรมีค่าสูงกว่าภาพที่ทายผิดอย่างชัดเจน และการตั้งเกณฑ์ควรทำให้ความแม่นยำสูงขึ้น

ความมั่นใจเฉลี่ย · ภาพที่ทายถูก

65.1%

ความมั่นใจเฉลี่ย · ภาพที่ทายผิด

63.4%

ตอบเฉพาะเมื่อมั่นใจ ≥ครอบคลุมภาพความแม่นยำในส่วนนั้น
50%76.4%27.2%
60%60.4%27.3%
70%43.5%27.8%
80%18.9%26.6%

สรุป: โมเดลปัจจุบัน “ไม่รู้ว่าตัวเองไม่รู้” — ใช้ค่าความมั่นใจคัดกรองไม่ได้ (65.1% เทียบ 63.4%แทบไม่ต่างกัน) การปรับเทียบความมั่นใจจึงเป็นหนึ่งในขั้นตอนของแผนพัฒนา

ถ้ารวมผล 2 กล้อง (Late Fusion) จะช่วยไหม — จำลองจากข้อมูลที่มี

ชุดข้อมูลรถ EV มีกล้องเดียว จึงใช้ภาพ 2–5 เฟรมติดกันของการจัดของครั้งเดียวกันแทน “สองมุมมอง” แล้วรวมผลด้วยวิธีเดียวกับหน้า Live Monitor (เฉลี่ยความน่าจะเป็น 6 ระดับ แล้วเลือกระดับที่สูงสุด) · นับเฉพาะภาพจากกล้องที่มีเวลาถ่าย (n=1,775 ไม่รวมภาพจับหน้าจอ) แถวแรกจึงต่างจาก KPI ด้านบนเล็กน้อย

วิธีรวมผลเฟรม/ครั้งnทายตรงระดับ±1 ระดับMAE (โดยประมาณ)ตอบ 41-60% มากสุด
ภาพเดียว (วิธีปัจจุบัน)11,77525.7%62.2%24.9 จุด43.9%
เฉลี่ยความน่าจะเป็น (แบบหน้า Live Monitor)288725.4%61.6%25.0 จุด45.8%
เฉลี่ยความน่าจะเป็น (แบบหน้า Live Monitor)359126.4%61.6%24.9 จุด46.0%
เฉลี่ยความน่าจะเป็น (แบบหน้า Live Monitor)535426.3%59.6%25.7 จุด47.5%
เลือกภาพที่มั่นใจกว่า288726.8%63.5%24.2 จุด46.6%

สรุป: รวมกี่มุมก็ได้ผลใกล้เดิม (ต่างจากภาพเดียวไม่เกิน 1.1 จุด) เพราะการเฉลี่ยตัดได้เฉพาะ “สัญญาณรบกวน” แต่โมเดลปัจจุบันผิดแบบ “เอียงไปทางเดียว” (ยุบไปตอบ 41-60%) ทั้งสองมุมจึงผิดไปทางเดียวกัน · รถ EV ในระยะที่ 2 จะมีกล้อง 2 ตัวจริง (644 กล้อง / 322 คัน) การรวมผลจึงยังอยู่ในแผน แต่คาดว่าจะช่วยได้ก็ต่อเมื่อเทรนโมเดลใหม่ก่อน (ขั้นที่ 8 ของแผนพัฒนา)

อ่านผลอย่างไร: โมเดลปัจจุบันไม่เคยเห็นภาพรถ EV แม้แต่ภาพเดียว — ยานพาหนะ กล้อง มุมมอง และแสงต่างจากชุดฝึกทั้งหมด ผล 26.1% จึงเป็น จุดเริ่มต้นก่อนเทรนใหม่ ไม่ใช่ข้อบกพร่องของแนวทาง นอกจากนี้ป้ายกำกับปัจจุบันเป็นช่วงกว้าง 20% ค่า MAE และ ±10 จุด จึงเป็นค่าโดยประมาณจากจุดกึ่งกลางของช่วง · ภาพตัวอย่างรถ EV บนหน้า Live Monitor (6 ภาพ) คัดจากภาพที่โมเดลปัจจุบันทายถูก เพื่อสาธิตการทำงานของระบบเท่านั้น ไม่ใช่ตัวแทนความแม่นยำในหน้านี้

ตัวอย่างการทำนาย

ภาพจริงจากรถ EV พร้อมโฟลเดอร์จริงเทียบกับที่ AI ทำนาย (โมเดลปัจจุบัน ก่อนเทรนใหม่)

✓ ทายถูก

ตัวอย่างการทำนายถูก
จริง61-80→ทาย61-80

ความมั่นใจ 84%

ตัวอย่างการทำนายถูก
จริง41-60→ทาย41-60

ความมั่นใจ 83%

ตัวอย่างการทำนายถูก
จริง81-100→ทาย81-100

ความมั่นใจ 80%

ตัวอย่างการทำนายถูก
จริง0%→ทาย0%

ความมั่นใจ 80%

ตัวอย่างการทำนายถูก
จริง21-40→ทาย21-40

ความมั่นใจ 78%

ตัวอย่างการทำนายถูก
จริง1-20→ทาย1-20

ความมั่นใจ 54%

ตัวอย่างการทำนายถูก
จริง61-80→ทาย61-80

ความมั่นใจ 83%

ตัวอย่างการทำนายถูก
จริง61-80→ทาย61-80

ความมั่นใจ 83%

✗ ทายผิด — ส่วนใหญ่ถูกดึงไปตอบ 41–60% ไม่ว่าคลาสจริงจะเป็นอะไร

ตัวอย่างการทำนายผิด
จริง0%→ทาย41-60

ความมั่นใจ 83%

ตัวอย่างการทำนายผิด
จริง1-20→ทาย41-60

ความมั่นใจ 83%

ตัวอย่างการทำนายผิด
จริง21-40→ทาย41-60

ความมั่นใจ 83%

ตัวอย่างการทำนายผิด
จริง41-60→ทาย21-40

ความมั่นใจ 77%

ตัวอย่างการทำนายผิด
จริง61-80→ทาย41-60

ความมั่นใจ 83%

ตัวอย่างการทำนายผิด
จริง81-100→ทาย21-40

ความมั่นใจ 78%

ตัวอย่างการทำนายผิด
จริง21-40→ทาย61-80

ความมั่นใจ 84%

ตัวอย่างการทำนายผิด
จริง21-40→ทาย61-80

ความมั่นใจ 84%

4

ผลเทสล่าสุด: ทดลองเทรนใหม่แบบเร็ว (ขั้นที่ 3 ของแผน)

Latest test · quick head-only fine-tune

เพื่อดูว่าช่องว่างนี้ปิดได้จริงไหม เราทดลองขั้นแรกของแผนบนโน้ตบุ๊กธรรมดา (CPU): แช่แข็ง backbone ของโมเดลปัจจุบัน แล้วเทรนเฉพาะชั้นจำแนก (2,316 พารามิเตอร์) ด้วยภาพรถ EV แบ่งข้อมูลแบบกันรั่ว (เรียงตามเวลา เว้นช่องว่าง 5 นาทีระหว่างชุด และกันหนึ่งเซสชันไว้ทดสอบข้ามเซสชัน) แล้ววัด “ก่อน/หลัง” บนภาพชุดเดียวกันด้วยเครื่องมือเดียวกับหน้านี้ · Frozen backbone, retrained head, leakage-aware time-block split.

ชุดฝึก EV 1009ตรวจสอบ 182ทดสอบ time-block 382ข้ามเซสชัน 79ตัดออก: ไฟล์ซ้ำ 12 · จับหน้าจอ 36เฟรมในช่องว่าง 5 นาที (ไม่ใช้) 111ช่องว่างระหว่างชุด 5 นาทีเซสชันที่กันไว้: 41-60% · 2026-08-05 (n=79)seed 3 ค่า (ผลเท่ากันทุก seed — warm start + full-batch)2026-09-02T19:04:05
ชุดทดสอบ time-block (เซสชันเดียวกับที่เทรน วันเดียวกัน) · n=382ก่อน (โมเดลปัจจุบัน)หลังเทรนส่วนหัวเปลี่ยน
ทายตรงระดับ30.9%61.0%▲ 30.1 จุด
คลาดเคลื่อนไม่เกิน 1 ระดับ69.4%92.2%▲ 22.8 จุด
MAE (โดยประมาณ)22.2 จุด9.5 จุด▲ 12.7 จุด
อยู่ภายใน ±10 จุด (ค่าคาดหวัง)17.5%58.1%▲ 40.6 จุด
สัดส่วนคำตอบที่ยุบไประดับเดียว47.9%25.9%▲ 22.0 จุด
ข้ามเซสชัน · ระดับ 41–60% ที่ถ่ายอีกวัน (ไม่เคยเห็นตอนเทรน) · n=79ก่อน (โมเดลปัจจุบัน)หลังเทรนส่วนหัวเปลี่ยน
ทายตรงระดับ (recall ของ 41–60%)38.0%39.2%▲ 1.3 จุด
คลาดเคลื่อนไม่เกิน 1 ระดับ89.9%93.7%▲ 3.8 จุด
MAE (โดยประมาณ)14.4 จุด13.4 จุด▲ 1.0 จุด

เช็กทางลัด: โมเดลเรียน “ของในรถ” หรือแค่ “สีและเวลา”?

ตัวจำแนกง่าย ๆ ที่ดูเพียงค่าเดียว บนชุดทดสอบเดียวกัน — การชนะแถว “ดูสีอย่างเดียว” เป็นเงื่อนไขขั้นต่ำ ไม่ใช่ข้อพิสูจน์ว่าโมเดลมองของในรถ

ตัวจำแนกtime-block · ทายตรงtime-block · MAEข้ามเซสชัน · ทายตรง
โมเดลปัจจุบัน (ก่อนเทรน)30.9%22.2 จุด38.0%
ดูสีอย่างเดียว (ความอิ่มตัวเฉลี่ย → ระดับใกล้สุด)27.8%19.3 จุด72.2%
ดูเวลาอย่างเดียว (ชั่วโมงที่ถ่าย → ระดับใกล้สุด)29.1%26.6 จุด0.0%
หลังเทรนส่วนหัว61.0%9.5 จุด39.2%

เฉพาะระดับ 0% / 1–20% / 21–40% ซึ่งความอิ่มตัวสีแยกไม่ออก (n=192): หลังเทรน 68.8% เทียบดูสีอย่างเดียว 15.1% · การสุ่มแบ่งภาพแบบธรรมดา (รั่ว) ให้ 97.5% — จึงไม่ใช้ตัวเลขนั้น · สลับป้ายกำกับแบบสุ่มได้ 27.8% (ตรวจว่า pipeline ไม่จำอะไรผิด)

ชุดข้ามเซสชันมีระดับเดียว (41–60%) ซึ่งเป็นระดับที่โมเดลเดิมมักตอบอยู่แล้ว ตัวจำแนกใดที่ตอบ 41–60% แทบทุกภาพจะได้คะแนนสูงบนชุดนี้โดยอัตโนมัติ (“ดูสีอย่างเดียว” ได้ 72.2% ก็ด้วยเหตุนี้) ชุดนี้จึงใช้ยืนยันได้เพียงว่ายัง “ไม่เห็น” การเปลี่ยนแปลงในสภาพใหม่ ไม่ใช่ตัววัดความแม่นยำ

อ่านผลอย่างไร: เทรนเฉพาะส่วนหัวบน CPU (สกัดฟีเจอร์ครั้งเดียวราว 5 นาที ตัวเทรนใช้ไม่กี่วินาที) ยกความแม่นยำบนชุด time-block จาก 30.9% เป็น 61.0% และชนะตัวจำแนก “ดูสีอย่างเดียว” (27.8%) แสดงว่าฟีเจอร์ของ DINOv3 แยกระดับของรถ EV ได้ดีกว่าที่ baseline บอก การเทรนใหม่จึงคาดว่าคุ้มค่า — แต่ตัวเลข time-block มาจากเซสชันเดียวกับที่เทรน ส่วนชุดข้ามเซสชัน (38.0% → 39.2% จาก n=79) ต่างกันเพียง 1 ภาพ อยู่ในช่วงความคลาดเคลื่อน (±11 จุด) จึงยังไม่เห็นการเปลี่ยนแปลงที่วัดได้ และระดับนี้เป็นระดับที่โมเดลเดิมมักตอบอยู่แล้ว ค่า “ก่อน” จึงดูดีเกินจริง ชุดข้ามเซสชันระดับเดียวจึงยังบอกไม่ได้ว่าโมเดลจะแม่นในสภาพใหม่ ต้องเก็บภาพหลายวัน หลายคัน สลับระดับ (ขั้นที่ 1–2) และเทรน backbone ด้วยภาพ EV (ขั้นที่ 4–5) ก่อนสรุปความแม่นยำที่ใช้งานจริง

ช่วงที่คาดไว้ก่อนทดลอง (pre-registered)

  • time-block · ทายตรงระดับ: 55–80%
  • time-block · ±1 ระดับ: 85–97%
  • time-block · MAE: 6–12 จุด
  • ข้ามเซสชัน · recall: 30–70%
  • ข้ามเซสชัน · MAE: 10–25 จุด

ข้อควรระวังในการอ่านตัวเลข

  • ผลชุด time-block มาจากเซสชันเดียวกับที่ใช้เทรน (วันเดียวกัน แสงใกล้เคียง) ตัวเลขจึงสูงกว่าที่จะเจอกับรถคันใหม่หรือวันใหม่
  • ผลข้ามเซสชันมาจากระดับ 41–60% เพียงระดับเดียว (n=79) ช่วงความเชื่อมั่นกว้างประมาณ ±11 จุด
  • เทรนเฉพาะชั้นจำแนก (2,316 พารามิเตอร์) backbone ยังเป็นของโมเดลเดิม — เป็นการทดลองความเป็นไปได้ ไม่ใช่โมเดลส่งมอบ
  • ป้ายกำกับเป็นช่วง 20% ค่า MAE และ ±10 จุด จึงเป็นค่าโดยประมาณจากจุดกึ่งกลางช่วง
  • ภาพมีทางลัด (ความเหลืองของกล่อง นาฬิกาบนภาพ) — ตัวเลข 'ดูสีอย่างเดียว' และ 'ดูเวลาอย่างเดียว' แสดงไว้เพื่อเทียบ
  • ระดับ 41–60% ที่ใช้ทดสอบข้ามเซสชัน เป็นระดับที่โมเดลเดิมมักตอบอยู่แล้ว (คำตอบยุบไปที่ระดับนี้) ค่า “ก่อน” ของชุดนี้จึงดูดีเกินจริง
  • เฟรมที่อยู่ในช่องว่าง 5 นาทีระหว่างชุดฝึก/ตรวจสอบ/ทดสอบถูกตัดออก (ดูจำนวนในแถบสรุป) เพื่อกันเฟรมติดกันรั่วข้ามชุด

Confusion Matrix

ก่อนเทรน · ชุดทดสอบ time-block 382 ภาพ · ทายตรง 30.9%

จริง↓ / ทาย→
0%
1-20
21-40
41-60
61-80
81-100
0%
28
0
10
21
3
0
1-20
3
0
19
34
1
0
21-40
0
0
15
58
0
0
41-60
0
6
3
38
6
0
61-80
1
6
9
31
24
2
81-100
0
0
25
1
25
13

Confusion Matrix

หลังเทรนส่วนหัว (seed ที่เลือก) · ชุดทดสอบเดียวกัน · ทายตรง 61.0% · วัดด้วย pipeline จริง

จริง↓ / ทาย→
0%
1-20
21-40
41-60
61-80
81-100
0%
61
1
0
0
0
0
1-20
11
36
8
1
0
1
21-40
5
11
35
19
0
3
41-60
0
4
11
23
15
0
61-80
3
1
12
7
49
1
81-100
0
0
0
0
35
29
5

จากจุดเริ่มต้นสู่เป้าหมาย

From baseline to target

เป้าหมายเชิงเทคนิคของระยะที่ 2 คือ MAE ≤ 10 จุด และภาพอย่างน้อย 85% อยู่ภายใน ±10 จุด วัดบนชุดอ้างอิง 300 ภาพที่ผู้เชี่ยวชาญติดป้าย — เกจด้านล่างแสดงว่าวันนี้อยู่ตรงไหนเทียบกับเป้าหมาย

คลาดเคลื่อนเฉลี่ย (MAE โดยประมาณ) · ยิ่งน้อยยิ่งดี

วันนี้ 24.9 จุด · เป้าหมาย ≤ 10 จุด

เป้าหมาย ≤ 10 จุด
วันนี้ (baseline) 24.9
015 จุด30+ จุด

สัดส่วนภาพที่อยู่ภายใน ±10 จุด (โดยประมาณ) · ยิ่งมากยิ่งดี

วันนี้ 19.7% · เป้าหมาย ≥ 85%

วันนี้ 19.7%
เป้าหมาย ≥ 85%
0%50%100%

หมายเหตุ: ค่า MAE และสัดส่วน ±10 จุด เป็นค่าโดยประมาณ คำนวณจากจุดกึ่งกลางของช่วง เพราะป้ายกำกับปัจจุบันเป็นช่วงกว้าง 20% · MAE ใช้ระดับที่โมเดลตอบ (argmax) ส่วนสัดส่วน ±10 จุด ใช้ค่าคาดหวังถ่วงน้ำหนักด้วยความน่าจะเป็น (เช่น 41–60% ใช้ 50.5) ตัวเลขตามข้อกำหนดรับมอบจะวัดบนชุดอ้างอิง 300 ภาพ ที่ผู้เชี่ยวชาญ 3 คนติดป้ายเป็นเปอร์เซ็นต์จริง

ระยะห่างนี้คาดว่าปิดได้ด้วยการเทรนโมเดลใหม่ด้วยภาพรถ EV ร่วมกับการเก็บภาพให้หลากหลายขึ้น — รายละเอียดอยู่ในแผนพัฒนา

ดูแผนพัฒนาโมเดล →

วิธีวัด: รันโมเดล dinov3 (offline, CPU) บนภาพ 1,811 ภาพ · เวลาเฉลี่ย 132.9 ms/ภาพ · สร้างเมื่อ 2026-09-02T18:45:20 · ชุดข้อมูล ev-phase2