LAB 11 · 从 RGB 到像素：读出、FCN 与边界

参数更新和三个单条件比较

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

参数更新和三个单条件比较

像素读出训练 25 epoch、Adam lr=.03；FCN 训练 20 epoch、Adam lr=.003。每个 batch 同时翻转图像与标签、前向得到 logits、计算 CE、清零梯度、反向传播、更新参数。

三个比较均使用同一训练后权重：(1) 只把粗 logits 的 bilinear 换 nearest；(2) 相同潜在场景的对象尺寸乘 .45，其余生成条件保持一致；(3) RGB 做 5×5 均值模糊，几何和 target 不变。前两者分别检查重采样方式和尺度，第三者检查边缘观测变弱。像素读出也参加尺度与模糊对照，避免把一个完美基准遗漏在困难条件之外。