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

# 从共享特征到两个输出头
[独立阅读](/course/notebook-blocks/950aab9e6fbf43b4aef8ee21b9268a87.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

## 从共享特征到两个输出头

四个卷积层形成 45,806 参数的模型。分类 logits 为 `[B,288,3]`，框偏移为 `[B,288,4]`。两个头共享空间特征，分类头的“有目标”分数和框头的“偏移多少”要同时学好；分类分数接近 1 并不保证坐标足够准确。

推理只接收 RGB，解码所有候选，对每一前景类别分别做 NMS，默认抑制 IoU>.35 的低分框。保存候选的分数下限为 .01，绘图与 precision/recall 的工作点为 .4。候选阈值、NMS 的 IoU 阈值、评价的 IoU 阈值是三个不同控制量。