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

# LAB 11 · 从 RGB 到像素：读出、FCN 与边界
[独立阅读](/course/notebook-blocks/f47f5c4b80a34f958790cac821d40ec9.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

**学习路径：** [像素、边界与对象身份](/course/study/pixels-instances.html)

# LAB 11 · 从 RGB 到像素：读出、FCN 与边界

一张框正确的图，仍未说明椭圆边缘和两物体间的背景缝。本册对应 [P36–38](/course/pages/l3-r2-p36.html)，训练 RGB→三类像素输出，并比较逐像素线性读出和小型 FCN；它没有训练实例身份。

先读 [两种模型的已有对照](/course/blocks/pixel-model-positive-result.html)：RGB 基线在原合成分布满分，模糊后 FCN 更稳健。再追踪输入、目标、粗细分支和混淆矩阵。前面的已知 mask 降采样只是采样热身，其 [指标算例](/course/blocks/mask-iou-worked-example.html) 与看图预测须分别解释。

产出一段具体判断：RGB 颜色何时已经够用，什么干预才显示邻域的作用？需要公式查 [CLS 08](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/2d81e2a1936043349eacb71c53c0defa)；需要采样短练习去 [LAB 03](https://deepnote.com/project/38755e4e-23f6-4f5f-8c68-8a2e4114b1c1/notebook/49a2c030eafa4e1db6fc4f1a08c3810a)。复跑按脚本创建/追加的顺序执行，另存 `lab11-results-rerun`；也可只读已有结果完成比较。