# 同一场景中，究竟多交付了什么信息？
[独立阅读](/course/blocks/spatial-four-answers.html)**课堂上下文：从哪个问题来**
先看同一张图要交付什么：类别存在性、对象框、逐像素类别和实例身份。四幅图保持底图相同，变化的是答案结构；框与 mask 是教学标注。课后从这里进入两个真正学习任务，才能把“更精细”落实为目标与评价的变化。


在这张双杯与书的图里，分类的答案可以写成“有杯子、有书”；这两个词没有给出杯子数量，也没有把词语放到图中的位置。检测把答案改成一组对象记录，每项有类别、分数与框。语义分割交付与图像对应的类别地图；实例分割再保存每个对象的身份。



| 输出 | 双杯场景中的一项答案 | 做不到的逆推 |
| --- | --- | --- |
| 类别存在性 | 杯子、书 | 仅凭类别列表不能恢复左右杯位置 |
| 检测 | 杯子 #1 的矩形框 | 外接框不能恢复杯把空洞 |
| 语义类别图 | 这个像素是杯子 | 同类颜色不记录杯一与杯二的分界 |
| 实例图 | 这个像素属于杯子 #1 | 可见轮廓不定义被书遮住的完整背面 |



可以把实例 ID 映射为类别，得到语义图；反过来一般没有唯一答案。两只紧挨杯子的许多实例划分，都可能对应同一张“杯子”类别图。因此四种输出不是一条从粗糙到高级的单轴刻度，而是为不同用途保存不同信息。做面积测量需要像素集合，做计数需要对象身份，快速提示操作者位置可能只需要框。



本页轮廓与框是同一底图上的教学标注，帮助定义答案；它们不是模型预测。LAB03 可以直接改变选中对象并查看局部窗口，LAB10 和 LAB11 才分别提供学习得到的框与像素输出。



图内标签与数值：Lecture 03 课堂图解 P25；分类：图中有什么；杯子 · 书；检测：每个对象在哪里；类别 + 框；两只杯子；一册书；语义：每个像素是什么；颜色 = 类别；杯子；书；实例：属于哪一个对象；颜色 = 实例 ID；杯子 #1；杯子 #2；同一底图；框与可见轮廓为教学标注。输出结构不同，所需监督也不同。

同一底图的四种输出；颜色分别承担类别或实例身份。 查看对应图解状态

- 分类：图中有什么
- 杯子 · 书
- 检测：每个对象在哪里
- 类别 + 框
- 两只杯子
- 一册书
- 语义：每个像素是什么
- 颜色 = 类别
- 杯子
- 书
- 实例：属于哪一个对象
- 颜色 = 实例 ID
- 杯子 #1
- 杯子 #2
- 同一底图；框与可见轮廓为教学标注。输出结构不同，所需监督也不同。同一底图的四种输出；颜色分别承担类别或实例身份。 [查看对应图解状态](/#/l3-r2-p25/0)[查看完整图解](/#/l3-r2-p25/0)

## 继续阅读与实验