为什么要有正例、背景和忽略项

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 $L=L_{cls}+\lambda L_{box}$ 这一行总公式。

框回归的四个数怎样编码与还原

用中心和宽高记参考框 $a=(40,40,40,40)$，目标框 $g=(48,36,48,40)$。采用不加额外缩放因子的约定：

$$t_x=(g_x-a_x)/a_w=0.2,\quad t_y=(g_y-a_y)/a_h=-0.1,$$ $$t_w=\log(g_w/a_w)=\log(1.2)\approx0.18232,\quad t_h=0.$$

中心偏移除以参考框宽高，把绝对位移变为相对比例。宽高用对数比值，则放大和缩小可以由正负实数表示；解码通过指数确保宽高为正。将四个数还原：中心 $40+40\times0.2=48$、$40-4=36$，宽 $40e^{\log1.2}=48$，高 40。

由中心宽高变回连续 xyxy，参考框是 (20,20,60,60)，目标是 (24,16,72,56)。这一来一回检查的是坐标约定相容。网络实际输出只是对四个目标数的估计，偏移接近也不代表每个小目标的 IoU 同样好。

有些实现对偏移再乘 10 或 5 等尺度系数；应同时阅读 encode 与 decode。LAB10 的成对函数没有这些额外系数，不能从另一教材复制半套公式混用。