Publicamos
os nossos números.
Classificar, resolvido. Mais de 30 fotógrafos · 20.000+ fotos por minuto · 100 % de pureza por grupo · mAP 0.996 · 5 lojas de exemplo →
O nosso benchmark de outubro de 2026 em 175 pilotos fora do treino: 100 % de pureza por grupo, 0 fotos no grupo errado, 96,5 % de cada piloto num só grupo e mAP 0.996.
precisão B³
do piloto errado
num só grupo
benchmark misto
A RaceLabs usa assinaturas de piloto e veículo para agrupar fotografias ao longo de um evento, incluindo imagens sem número legível. Em 175 pilotos fora do treino e 6.504 fotografias, o benchmark de outubro de 2026 regista 100 % de pureza por grupo: nem uma foto foi parar ao grupo do piloto errado. O mAP de recuperação é 0.996. Face ao nosso modelo anterior, as fotografias no grupo errado caíram de 16 para 0, e 96,5 % das fotografias de cada piloto ficam agora num só grupo (ARI 0.985). Nos nossos servidores de produção, um evento de 3.077 fotografias voltou sem nenhuma fotografia no grupo do piloto errado, verificado foto a foto.
O que foi medido,
e em quê.
A nossa validação de outubro de 2026 em eventos de motos: a amostra, as métricas e o seu alcance.
Data e domínio
Outubro de 2026, correspondência de pilotos de mota. Inclui uma divisão entre campeonatos de classe MotoGP / WSBK, o nosso caso mais difícil: os mesmos circuitos, motas parecidas, fatos parecidos.
Amostra e identidades fora do treino
175 identidades de piloto e 6.504 fotografias, todas as identidades fora do treino.
Métricas reportadas
mAP de recuperação para a ordenação, precisão B³ para a pureza por grupo, recall B³ para a completude e Adjusted Rand Index para a concordância global.
O que os números cobrem
Agrupamento de pilotos em eventos de motos. Para velocidade, vídeo, automóveis, karts ou atletismo, corra um evento completo seu.
Reportado em identidades
de piloto fora do treino.
Todos os pilotos abaixo ficaram fora do treino. Quatro métricas, cada uma a responder a uma pergunta diferente.
mAP, mean Average Precision
Até que ponto as fotografias do mesmo piloto ficam à frente de todas as outras: 0.996.
Precisão do mesmo piloto
Pureza por grupo: a parte do grupo de um piloto que é mesmo esse piloto. 1.000: nem uma foto no grupo errado. O número que o piloto sente.
O que o recall mede realmente
Completude do grupo: a parte das fotografias de um piloto que ficam juntas. 0.965.
Concordância do agrupamento e alcance
Adjusted Rand Index: até que ponto todo o agrupamento coincide com a verdade de referência, descontado o acaso. 0.985.
Modelo anterior.
RaceLabs hoje.
Os 175 pilotos fora do treino, 6.504 fotografias.
| Modelo | mAP | Precisão B³ | Recall B³ | ARI | Fotos no grupo errado |
|---|---|---|---|---|---|
| Modelo anterior | 0.993 | 0.997 | 0.853 | 0.913 | 16 |
| Modelo novo | 0.996 | 1.000 | 0.965 | 0.985 | 0 |
mAP mean Average Precision · Precisão / Recall métricas de cluster B³ · ARI Adjusted Rand Index, concordância com o agrupamento de referência.
Nos 175 pilotos que o modelo nunca tinha visto, a precisão é um 1.000 perfeito: nem uma foto no grupo errado.
Sem número,
classificado na mesma.
Os leitores de números precisam dos dígitos. A RaceLabs agrupa por assinaturas de piloto e veículo, por isso coloca na mesma as imagens que escondem o número.
| Situação | Ler o número | RaceLabs |
|---|---|---|
| Número escondido num pelotão | Sem dígitos para ler | Agrupado por assinatura de piloto |
| Número virado para o lado | Sem dígitos para ler | Ligado entre vistas do mesmo piloto |
| Desfocagem de movimento | Dígitos ilegíveis | Colocado quando a assinatura se mantém, enviado para Unclear quando não |
| Treinos sem números | Nada para ler | Agrupado sem número nenhum |
| Chuva ou lama sobre a placa | Sem dígitos para ler | Agrupado por assinatura de piloto |
| Capacete integral | Sem rosto, sem dígitos | Não é preciso um rosto visível |
Um número legível continua a dar nome ao grupo depois de as fotografias estarem juntas. O guia sobre leitura de números e assinaturas de piloto explica a diferença.
A precisão é o que
o piloto sente.
Um piloto que abre a sua galeria repara primeiro numa coisa: uma fotografia de outra pessoa. A precisão B³ mede exatamente isso. A nossa é 1.000: nem uma foto de outra pessoa no grupo de qualquer piloto.
Uma verificação prática de revisão
Verifique duas coisas antes de publicar: outro piloto dentro de um grupo, e um piloto dividido por vários. A primeira não aconteceu uma única vez em 6.504 fotos; a segunda é rara: 96,5 % das fotos de cada piloto ficam num só grupo, e o Rear Finder propõe qualquer conjunto só de vista traseira ao piloto mais provável. Nos eventos dos próprios fotógrafos: 100 % dos conjuntos de vista traseira colocados, 97 % logo à primeira sugestão.
Use o guia de agrupamento e revisão de track days e depois o fluxo de edição, exportação e publicação.
O caso de cliente da SensaPhoto mostra este fluxo a terminar em galerias por piloto publicadas.
Use os resultados.
Conheça o seu alcance.
Reveja as correspondências difíceis
As imagens duvidosas vão para a pasta Unclear, nunca para o piloto errado. Isso cobre uma troca de mota a meio do evento ou um ângulo invulgar.
Medido no nosso próprio domínio
O método e as quatro métricas estão publicados. O melhor teste é um evento completo seu: inclua o tempo de revisão quando comparar.
Precisão, respondida.
O que significa realmente um mAP de 0,99+?
Precisam de ter a placa de número visível?
O que significa 100 % de pureza por grupo para a minha entrega?
Como foi feito o benchmark?
Estes números cobrem automóveis, karts ou atletismo?
Teste-a no seu
evento mais difícil.
Traga um evento completo com fotos em pelotão, ângulos difíceis e treinos sem números, e avalie os grupos nas suas próprias fotos. O nosso guia para escolher software de classificação de fotos de motos mostra o que testar.