/printf("输出张量[%d] - ioBufDesc维度: outWidth=%d, outHeight=%d, outNumChannels=%d\n",//printf("输出张量[%d] - tensor维度: num_dims=%zu, sizes=[%zu, %zu, %zu, %zu]\n",zh_idx < 5;// printf("=== 开始处理YOLOv5检测头 ===\

* TIDL中内存实际是CHW排布，但是以WHC记录，所以查找内存时首先定位正确的通道，再进行WH的偏移 *//* 如果该目标框与已经accept的目标框iou过大，则确定为冗余目标框 *//* 输出概率 = 存在目标概率 * 类别置信概率 *//* 遍历查找类别内存，找到最大的置信度进行赋值 *//* 如果该目标框与所有accept目标框的iou都较小，则接受该目标框 *//* 找到正确conf

下面给你一个针对后视镜折叠场景的可落地方案，目标是在缺少标注的前提下优先提升 FSD 分支效果，并尽量不破坏 PSD/RM 的现有性能。方案分为数据、训练、评估与落地四个部分，尽量贴合你现在的工程结构（train2.py 多任务训练）。

如果keep_size=True,则在crop或者pad后再缩放成原来的大小。mask = ImageOps.expand(mask, border=(0, 0, padw, padh), fill=127)# mask不填充0而是填255:类别0不是训练类别,后续会被填-1(但bdd100k数据格式是trainid,为了兼容填255)-1, -1,0,1, -1, -1,# Cityscapes

self.mosaic = self.augment and not self.rect# load 4 images at a time into a mosaic (only during training) 开rect就不可mosaic。self.mosaic = self.augment and not self.rect# load 4 images at a time into a m

/printf("输出张量[%d] - ioBufDesc维度: outWidth=%d, outHeight=%d, outNumChannels=%d\n",//printf("输出张量[%d] - tensor维度: num_dims=%zu, sizes=[%zu, %zu, %zu, %zu]\n",zh_idx < 5;// printf("=== 开始处理YOLOv5检测头 ===\

* TIDL中内存实际是CHW排布，但是以WHC记录，所以查找内存时首先定位正确的通道，再进行WH的偏移 *//* 如果该目标框与已经accept的目标框iou过大，则确定为冗余目标框 *//* 输出概率 = 存在目标概率 * 类别置信概率 *//* 遍历查找类别内存，找到最大的置信度进行赋值 *//* 如果该目标框与所有accept目标框的iou都较小，则接受该目标框 *//* 找到正确conf

你这段手改里有一个关键错误：mask_np[pink_mask] = FSD_PINK_VALUE 在 RM 分支里不对，应该是 RM_PINK_VALUE。

/printf("输出张量[%d] - ioBufDesc维度: outWidth=%d, outHeight=%d, outNumChannels=%d\n",//printf("输出张量[%d] - tensor维度: num_dims=%zu, sizes=[%zu, %zu, %zu, %zu]\n",zh_idx < 5;// printf("=== 开始处理YOLOv5检测头 ===\

进展其实很大，0211 这轮日志已经说明主链路基本打通，剩下的是“个别图片模型本身没检出”问题，不是可视化脚本错。