[LAB 11 · 从 RGB 到像素：读出、FCN 与边界](/course/notebooks/9e268706471944e3a59e6f568f9ce9a3.html)

# 三类逐像素预测的可执行定义
[独立阅读](/course/notebook-blocks/c9ffa01c285a40059ef2e6c94b9c23c7.html)
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

## 三类逐像素预测的可执行定义

生成图像为 `[B,3,48,48]`，真值为 `int64 [B,48,48]`，logits 为 `[B,3,48,48]`。通道 0/1/2 分别是背景/红色矩形/蓝色椭圆。384 张训练图与 128 张保留图使用原始场景种子 7101 和 7901；没有把同图的翻转分到两侧。对象数、位置、尺寸和亮度变化，含空图与多对象图。

每张 mask 的一像素边框和 `[20:23,20:23]` 区域标为 255，模拟未标注区域。255 不代表第四类；loss 用 `ignore_index=255` 排除，混淆矩阵也只统计有效像素。本次保留集有 269,696 个有效像素、25,216 个忽略像素。忽略区仍然会产生模型输出，但不能据此判断对错。

以下代码格依次写出同一个自包含脚本。数据生成和度量函数在本册内完整给出，不依赖另一册先执行。