按“参考框→RPN 候选→最终框”给图中的矩形分配身份，并把人工真值单独留在监督侧。RPN 让候选变为可学习预测。LAB10 采用共享原理的一阶段教学变体，不应把它说成原版 Faster R-CNN。
共享 F 分为 RPN 和区域预测；RPN 产生候选并供后级使用，参考框与偏移后的候选用不同颜色表示。
Faster R-CNN 增加了区域建议网络，也就是 RPN。它在共享特征上判断一些参考框是否像前景，并预测位置修正，形成后面使用的候选。 请区分图上的三个对象：参考框是我们提供的几何起点，候选框是这一步的预测，最终检测框是后续处理后的结果。训练时，还要根据真实标注定义哪些参考框负责哪些对象。 至此，从外部产生区域、反复编码区域，到共享卷积、再学习候选，瓶颈被一段段重新组织。这条路线有跨团队与合作者的汇合，不能把原始 R-CNN、SPP-net 和 Faster R-CNN 都归给一个人。它们相连的是具体问题与可复用的计算。
RPN 在共享特征图上铺一组参考框。参考框由网格位置、预设尺度和长宽比决定；它们在看图之前就可生成，不能当成检测结果。网络为每个参考框输出物体性分数和四个偏移，经解码、筛选后形成 proposals，再交给区域头作更具体的类别判断和位置修正。
因此画面中的三个矩形有不同身份：anchor 是几何起点，proposal 是 RPN 的预测，最终 box 是整个检测流程交付的结果。训练真值是第四种对象，它负责给预测规定目标，并不在推理时送进模型告诉它答案。
同一张 F 可同时供 RPN 与后级区域头使用。它把“在哪里值得再看”从外部算法变成从图像特征学习的任务。这是 Faster R-CNN 与 Fast R-CNN 相比发生改变的具体一段，不能只记一个更快的名字。
LAB10 采用单层锚框直接分类与回归的一阶段教学检测器，不是原版两阶段 RPN。它与本页共享锚框、匹配、位置损失等原理，保留了可运行的学习闭环；读实验时应辨明哪些流程共用、哪些结构不同。
参考框是几何起点，RPN 输出 objectness 与偏移形成 proposals，后级再预测类别与框。图省略 NMS、采样与正负匹配阈值，它们在补充材料中保留。
先明确训练分配，才能知道哪一项预测拥有位置目标。
给定参考框与真值的 IoU 矩阵，匹配规则把参考框变成训练样本。例如课堂教学阈值若设正例至少 0.7、背景小于 0.3，则 IoU 为 0.8、0.4、0.1 的三个框分别是正例、忽略、背景。只有正例有对应的框回归目标。忽略的用途是暂不把模糊覆盖强行当正或负，而不是悄悄改成背景。
真实 LAB10 使用另一组公开写明的阈值：正例至少 0.45，背景低于 0.25，中间忽略；再用逐次最大 IoU 为每个真值保留一个不同 anchor，避免某个对象完全收不到位置监督。强制匹配服务于学习，评价时不能为了“每个对象都匹配一次”照搬这条规则。
空图同样是有效训练输入。所有参考框都应学背景，回归项没有正例便归零。如果只训练总有物体的图片，模型可能从未被要求学会空输出。
负例远多于正例时，本实验选难负例参与分类损失，最多正例数的三倍、每图至少十二个。阅读代码时应看 loss 的掩码与归一化，而不只看 这一行总公式。
把错误分类、IoU 和 AP 带回已保存的图像到框学习记录。
当前 LAB10 的主实验输入是真正的 48×48 RGB 合成图，目标是零至三个对象的类别与归一化框。卷积骨干生成 12×12 网格，每格两个参考框，共 288 个；两个头输出 [B,288,3] 类别 logits 与 [B,288,4] 偏移。图像进入 model(images)，坐标只参与监督与评价。
保留的 2026-09-22 本地完整运行用 768 张训练图、96 张验证图、192 张保留图，训练 28 epoch。它以 TinySSD 的锚框检测闭环为起点，采用单特征层、两种参考尺度，不能称为 D2L 全部多尺度结构的复现。
| 条件 | AP50 | AP75 |
|---|---|---|
| 随机初始化 | .00746 | .00003 |
| 训练后原尺度 | .97303 | .70367 |
| 同权重，仅对象尺寸减半 | .61490 | .17987 |
这些是已有运行记录，本轮内容整理没有重跑实验。原分布明显改善，且存在多对象与空图，支持“模型学习到了图像到对象位置的映射”。更严格位置门槛与小尺度条件仍显著下降，帮助定位下一步研究问题。红色与矩形、蓝色与椭圆相关，因此不能据此宣称自然图像泛化。
读者可先看同一行的 RGB、真值框、预测框和失败图，再看匹配与损失，最后按需运行。原四维逻辑回归保留在热身位置，它说明分类更新，不承担检测证据。
