Разработчик сообщил о достижении показателя mAP50 = 0,991 при дообучении модели YOLO11n на датасете medical-pills за 22 минуты на ноутбучном процессоре Ryzen 7. Процесс обучения состоял из 60 эпох, что позволило получить высокую точность на валидации, что обычно свидетельствует о успешности модели.

Однако, после проверки датасета с помощью инструмента dataset-doctor, разработчик обнаружил, что валидационные кадры содержат дублирующие изображения из обучающей выборки. Это означает, что валидация не измеряла способность модели справляться с новыми данными, а скорее показывала, насколько хорошо она распознает уже известные ей объекты.

Данная ситуация подчеркивает важность тщательной проверки и подготовки данных для обучения моделей. Даже при высоких показателях точности, наличие дублирующих данных может привести к искажению результатов и неверным выводам о качестве модели. Это также демонстрирует необходимость использования инструментов для анализа датасетов, чтобы избежать подобных проблем в будущем.