Martes 20 de octubre de 2026 ·
Un detector YOLO11n alcanza mAP50 de 0,99 en CPU, pero su validación contenía copias del entrenamiento
Útil para
El autor entrenó YOLO11n durante 60 épocas con el dataset medical-pills de la documentación de Ultralytics: 22 minutos en un portátil con Ryzen 7 y mAP50 de 0,991 en validación. Al analizarlo con su herramienta dataset-doctor, encontró que cada uno de los 23 fotogramas de validación tenía una copia casi idéntica en el entrenamiento. El conjunto tiene 115 fotos, 2.022 recuadros y una sola clase, pill, repartidas en 92 imágenes para entrenar y 23 para validar. Según el autor, la métrica mide la memorización y no la capacidad de detectar tabletas nuevas, y explica cómo detectar esta fuga con dHash y cómo dividir los datos para evitarla.
Qué significa
Una métrica alta obtenida con imágenes repetidas no demuestra que el modelo funcione con casos nuevos, lo que puede dar una impresión falsa de los resultados de visión artificial.
Cómo te afecta
- Programadores
Si entrenas detectores con datasets pequeños, busca duplicados entre entrenamiento y validación antes de fiarte del mAP. El autor encontró que las 23 imágenes de validación tenían copias en el entrenamiento y usó dHash para detectarlas.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Habr Machine Learning (RU)Leer la noticia completa en Habr Machine Learning (RU)
También ese día
Todas las noticias de IA del martes 20 de octubre de 2026 ->