Как повысить точность модели YOLO?

Question

[Redoker]

Занимаюсь обучением модели по поиску дефектов посадки на одежде на YOLO. Разметку выполняю в Roboflow, всего изображений в датасете изображений 958 (ссылка на проект ), использовал различные методы аугментации изображений, гиперпараметры запуска обучения - model=yolo11m.pt epochs=150 imgsz=960 batch=16 plots=True patience=30 cos_lr=True. Изначально обучал на yolov11s, результаты были не утешительные, поэтому перешёл на yolov11m в надежде на улучшение, но presicion, как и recall остаются на достаточно низком уровне.
Как можно повысить точность модели? Что я делаю не так при обучении?

График обучения:

Answer 1

[Obivan]

Для мелких и размытых дефектов посадки получаются низкие precision/recall скорее всего не из-за маленькой модели, а из-за шумной разметки, слишком агрессивных аугментаций, несоответствия головы сети масштабу объектов (нужен P2 для мелочи), неверных гиперпараметров, скудных негативных примеров без дефектов (подчеркнуть нужное).
Для начала обрежьте шум. Удалите классы, которые путаете даже вы. Лучше 1–2 устойчивых класса дефект/нет дефекта, чем 5 похожих.