[LAB 10 · 从 RGB 图像训练小型检测器](/course/notebooks/a14237bfa9dd413d959ab4e458e11f42.html)

# 来源与下一条问题
[独立阅读](/course/notebook-blocks/3dc8766f20144da28bbef37cade18a3d.html)
主线阅读与优先实验

RGB图像、单特征层锚框检测器、分类/位置损失、NMS、独立检测评价

## 来源与下一条问题

2026-09-22 实时核对 D2L 1.0.3：[Anchor Boxes §14.4.3–14.4.4](https://d2l.ai/chapter_computer-vision/anchor.html#labeling-anchor-boxes-in-training-data) 用于锚框分配、偏移与 NMS；[SSD §14.7.1–14.7.3](https://d2l.ai/chapter_computer-vision/ssd.html)用于共享骨干、分类/回归头与完整训练路径。这里独立实现单特征层、小合成场景、ignore 区间、hard-negative CE、Smooth L1 与全数据 AP；没有把 D2L 的香蕉数据或论文成绩说成本次结果。

分类给出“是什么”，检测再加“各在何处”。即使框完全正确，矩形框内仍包含椭圆四角的背景；LAB11 接着将每个像素列为分类位置，检查边界、细小对象和采样损失。