[CLS 02 · 从类别到区域与掩码](/course/notebooks/f9ab632ba16b4f2084669791cba6ba85.html)

# 原始遮挡场景
[独立阅读](/course/notebook-blocks/dadca1922cc149af84b5a598bf7ef9f4.html)
主线阅读与优先实验

同图四输出、共享计算、FCN、RoIAlign、信息碰撞与SAM接口

**原始遮挡场景**

![原始遮挡场景](/course/knowledge-assets/bd786379d2b218a74dcc046d.jpg)

**框：两个杯实例与一本书**

![框：两个杯实例与一本书](/course/knowledge-assets/0e0cbae0c22414b6dd0ae0e4.jpg)

**语义像素：两只杯共享类别**

![语义像素：两只杯共享类别](/course/knowledge-assets/1b156cded6971deeabc529d0.jpg)

**实例像素：两只杯分别编号**

![实例像素：两只杯分别编号](/course/knowledge-assets/b5f914ac916f45cc64a89ed7.jpg)

桌面多对象场景及教学框/掩码：同类杯子保留不同实例身份，局部遮挡让边界不总是完整可见。标注用于解释输出定义。

先不记模型名字。想象使用者依次改变要求：

| 使用者要什么 | 输出中至少要有什么 | 它还没有回答什么 |
| --- | --- | --- |
| “画面里有什么？” | 杯子、书等类别 | 每个对象在哪里、有几个 |
| “找出每一个杯子。” | 每个对象的类别与框坐标 | 框内哪些像素属于杯子 |
| “把所有杯子像素选出来。” | 每个像素的类别 | 两个相接的杯子各是哪一个 |
| “分别选中两个杯子。” | 像素归属和实例身份 | 遮挡背后的不可见形状仍需额外约定 |

这四行分别对应分类、检测、语义分割、实例分割。框给出一个矩形范围，不能表达把手中间的空洞；同一个“杯子”类别值，又不能单独区分两只杯子。

**先预测：** 如果只保留“杯子、书”两个词，后续能从这两个词恢复第二只杯子的坐标吗？新任务改变了输出，也改变了训练答案必须包含的信息。