Lecture 03读取结果，解释改动

读取结果，解释改动

按问题继续

同源场景标签、插值、信息碰撞的轻量解析代码

默认蓝杯框为 [641,235,386,249]；选择红杯后框换为 [177,238,390,351]。图像与标注引用同一源场景，局部窗口按该框显示。运行准备只写本课素材目录，不加载模型。

数值默认输出：原图x / stride = 2.1875；线性插值 = 2.75。这是约定 u=x/stride 的一维教学例；真实二维 RoIAlign 还包括区域分格、双线性采样及汇总。

均值编码均为 0.5；其余特征和框相同、后续不能回看原图时，放大或改采样仍没有新差别。新增“左列−右列”后，表示为 (0.5,+1) 与 (0.5,−1)。

现在作判断： 若连续位置读错了，应改采样；若表示把两种输入变成同一个值，应检查编码器留下的信息。真实 Mask R-CNN 的对齐训练对照，与这里固定同一表示的构造是两种实验。

自己改一个条件： 选蓝杯或红杯；把原图 x 改成 36；把右邻特征 6 改成 10；为甲乙保留或删去差分通道。每次先写预测，再读图/数值并解释。无需提交编码作业。

阅读位置： 本册是像素、边界与对象身份路径中的采样短练习。先解释一个坐标或一次信息碰撞；需要学习模型时再到 LAB11，不必把全部短练习顺序做完。

接下来按问题选择： 要把采样从一维扩到二维，读四个邻点如何读出 2.5；要检验模型真能从 RGB 得到轮廓，读 LAB 11。本册的 SVG 裁剪不是调用 RoIAlign，平均值碰撞也不是分割模型训练结果，两项准确身份使它们能和完整实验互相补充。