每个有效像素提供一项监督

对目标类别为 $y_{uv}$ 的像素，交叉熵是 $-\log p_{y_{uv},u,v}$。若有效像素集合为 Ω，平均损失写成

$$L=-\frac{1}{|\Omega|}\sum_{(u,v)\in\Omega}\log p_{y_{uv},u,v}.$$

三类 logits [B,3,H,W] 与整数目标 [B,H,W] 相配；不要把类别 ID 当成连续数直接算回归平方误差。二类分割也可只预测一个前景 logit，用 sigmoid 与二元交叉熵，这时标签与输出接口跟三类方案不同。

未标注位置常用 ignore=255。它表示“不在这里计算监督和指标”，不表示第四类，也不等于背景。LAB11 的损失和混淆矩阵都排除这些位置；否则模型可能因为迎合不存在的背景标签而产生错误梯度。

图像翻转、裁剪或缩放时，目标地图必须接受同一几何变换。RGB 图能用连续插值，离散 mask 通常用最近邻；把类 1 与类 3 插出“类 2”没有语义依据。先保证一处图像像素仍对应同一处目标，训练曲线才有解释价值。