Lecture 03像素、边界与对象身份
像素、边界与对象身份
输出格子变多之后，模型怎样知道每个位置属于什么？
Lecture 03像素、边界与对象身份
阅读与动手顺序
区分采样练习与像素学习
LAB03 解释地址、插值与信息碰撞；LAB11 才比较从 RGB 预测类别 mask 的学习模型。
读同一任务的模型对照
比较简单 RGB 读出与 FCN 的预测、错误图及逐类 IoU，并检查模糊后两者如何变化。
按需要增加对象条件
若问题变成“选哪一个对象”，再到 LAB16 看正负点与框提示的规则机制。它不使用 SAM 权重。
Lecture 03像素、边界与对象身份
带走的结果
采样热身报告前景、背景 IoU 与两类 mIoU；图像模型报告背景、红矩形、蓝椭圆的逐类 IoU 与三类 mIoU，再用一处边界错误解释数字的含义。
Lecture 03像素、边界与对象身份
优先实践
可先阅读已有结果，再按问题选择是否重算。并列实验提供不同起点，不要求全部运行。
- LAB 11 · 从 RGB 到像素：读出、FCN 与边界在 Deepnote 打开 ↗
前景/背景/mIoU口径、RGB到mask训练、FCN与1×1读出及边界
Lecture 03像素、边界与对象身份
配套讲解
- CLS 02 · 从类别到区域与掩码在 Deepnote 打开 ↗
同图四输出、共享计算、FCN、RoIAlign、信息碰撞与SAM接口
- CLS 08 · 密集预测、实例与集合输出在 Deepnote 打开 ↗
像素损失、IoU口径、粗细表示、实例身份与集合输出
Lecture 03像素、边界与对象身份
遇到相应问题时再展开（3 项）
- LAB 03 · 空间信息：表示、采样与掩码在 Deepnote 打开 ↗
同源场景标签、插值、信息碰撞的轻量解析代码
- LAB 16 · 点、框与负提示：分割规则基线在 Deepnote 打开 ↗
像素连通域、正负点/框提示、局部/整体多义性
- LAB 20 · 尺度跨度与两对象匹配在 Deepnote 打开 ↗
步幅占格、两对象排列、分类/位置/IoU联合匹配代价
Lecture 03像素、边界与对象身份