m05-individual-danos-vehiculares

Modelos M05 — Detección de daños vehiculares (clasificador + detector)

POC educativo sin uso comercial del trabajo individual del curso Deep learning, soluciones disruptivas (Magíster en IA, UAC — 2026, Otto Ulbrich).

Dos modelos complementarios sobre el mismo dataset (CarDD, Wang et al. 2023 — mirror HF: harpreetsahota/CarDD): el clasificador responde ¿qué daño hay? (triaje multi-label) y el detector ¿dónde está? (cajas por instancia). La licencia no comercial de CarDD se hereda a estos pesos.

Archivos

Rendimiento sobre test (429 imágenes, split idéntico para ambos)

• Clasificador (umbral por clase): macro-F1 0.786 · AUROC macro 0.927
• Detector: mAP@50 0.691 · mAP@50-95 0.54

Umbrales óptimos por clase (maximizando F1 en val): crack 0.64 · dent 0.37 · glass shatter 0.51 · lamp broken 0.67 · scratch 0.54 · tire flat 0.76

Descargo

Modelos entrenados con fines académicos sobre el benchmark público CarDD. No aptos para uso comercial ni operativo en producción. El rendimiento en fotos reales de inspección puede diferir sustancialmente del benchmark (ver anexo de datos reales del trabajo).

Cita del dataset: Wang et al. (2023), CarDD — benchmark público de daños vehiculares. Mirror en HF Hub: harpreetsahota/CarDD.