[LAB 03 · 空间信息：表示、采样与掩码](/course/notebooks/49a2c030eafa4e1db6fc4f1a08c3810a.html)

# 读取结果，解释改动
[独立阅读](/course/notebook-blocks/67d424947f214e6e8281cd50e173751d.html)
按问题继续

同源场景标签、插值、信息碰撞的轻量解析代码

## 读取结果，解释改动

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](/course/study/pixels-instances.html)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](/course/blocks/bilinear-four-neighbors.html)；要检验模型真能从 RGB 得到轮廓，读 [LAB 11](https://deepnote.com/workspace/ise3309jingao-5ba66b0a-4283-4f5a-ae06-3f68d3201e99/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/9e268706471944e3a59e6f568f9ce9a3?utm_source=openai&utm_medium=mcp&utm_campaign=openaimcp&utm_content=9e268706471944e3a59e6f568f9ce9a3&utm_term=get_notebook)。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。