[LAB 11 · 从 RGB 到像素：读出、FCN 与边界](/course/notebooks/9e268706471944e3a59e6f568f9ce9a3.html)

# 来源与结构输出的连接
[独立阅读](/course/notebook-blocks/365db128e760487bbb6de81c4068f3a7.html)
按问题继续

前景/背景/mIoU口径、RGB到mask训练、FCN与1×1读出及边界

## 来源与结构输出的连接

2026-09-22 实时核验 [D2L §14.11 Fully Convolutional Networks](https://d2l.ai/chapter_computer-vision/fcn.html)，采用全卷积逐像素读出、上采样和双线性坐标的解释；本实现使用可学习粗/细分支加双线性插值，没有预训练骨干，也没有宣称复现其 VOC 实验。ignore、三类混淆矩阵、两个颜色场景和条件对照是本课程的独立教学构造。

LAB10 中检测框正确只说明包围区域满足评价阈值。LAB11 中椭圆边缘、相邻对象间的背景缝、未标注像素仍是不同问题：输出粒度决定什么算错误，采样与任务头决定哪些空间信息能留下。返回网页的空间主线时，可以用本册三张同源输入/目标/错误图说明这一步转折，而不只说“语义分割更精细”。