# 候选区域先追求覆盖，再由检测头作判断
[独立阅读](/course/blocks/proposal-coverage.html)**课堂上下文：从哪个问题来**
候选集合应覆盖对象，但其中可以有局部、背景与多对象框。先看漏掉对象是候选完全没有覆盖，还是后级没有选中；两种失败需要不同改动。训练分配与评价匹配的规则留在下方算例，不把 proposal 当已识别对象。


proposal 的含义是“值得进一步检查的区域”。它可以覆盖完整杯子，也可以只有半只杯子、包含桌面，或把两只杯子一起框住。候选阶段尚未交付最终的类别、数量与精确边界。



设某张图有两只杯子。若候选集合里完全没有接近右杯的框，后面的区域分类再强，也很难在当前流程中找回它。因此可以先看 proposal recall：在某个 IoU 门槛下，有多少真值对象至少被一个候选覆盖。候选很多可能提高这个召回，却增加计算与重复；后续分类和框回归再筛去背景、校正近似位置。



训练时，“这是不是前景”和“它应该往哪移动”也分开。一个背景区域有分类目标，却没有应当回归到某只杯子的唯一位置目标。具体的正负阈值、强制匹配和忽略区间随方法而异；不要把课堂上一组示例阈值视为所有检测器的定义。



可以先在图上指出一只完全漏掉的杯子，再问该改候选覆盖还是区域分类。这个定位比笼统地说“网络不够强”更能指导实验。



图内标签与数值：Lecture 03 课堂图解 P28；候选 = 值得进一步检查的区域；完整目标；希望被覆盖；半只杯子 / 背景；仍需筛选；两个对象共同框；仍需拆分与修正

完整对象、局部对象、背景、双对象区域各承担不同候选错误。 查看对应图解状态

- 候选 = 值得进一步检查的区域
- 完整目标
- 希望被覆盖
- 半只杯子 / 背景
- 仍需筛选
- 两个对象共同框
- 仍需拆分与修正完整对象、局部对象、背景、双对象区域各承担不同候选错误。 [查看对应图解状态](/#/l3-r2-p28/0)[查看完整图解](/#/l3-r2-p28/0)
**出处：**[R-CNN 原论文](https://arxiv.org/abs/1311.2524) · [D2L §14.4 锚框](https://d2l.ai/chapter_computer-vision/anchor.html)
## 继续阅读与实验