# Phase 4A 分辨率问题分析

**时间**: 2025-10-30  
**状态**: 已识别问题

---

## 问题描述

训练启动时出现shape不匹配错误：
```
ValueError: Target size (torch.Size([1, 800, 800])) must be the same as input size (torch.Size([1, 400, 400]))
```

---

## 根本原因

### BEV变换流程

1. **输入**: FPN输出特征 (B, 512, 360, 360) @ 0.15m分辨率
2. **BEVGridTransform**: 使用`output_scope: [[-50, 50, 0.125], [-50, 50, 0.125]]` → (B, 512, 800, 800)
3. **ASPP + Attention**: 保持空间维度 → (B, 256, 800, 800)
4. **Decoder**: 当前配置会downsample！
5. **最终输出**: (B, num_classes, 400, 400) ❌ 期望800×800

### Decoder问题

当前decoder配置：
```python
decoder_channels = [256, 256, 128, 128]  # 4层

decoder_layers = []
for i in range(len(decoder_channels)):
    in_ch = decoder_channels[i - 1] if i > 0 else decoder_channels[0]
    out_ch = decoder_channels[i]
    
    decoder_layers.append(nn.Sequential(
        nn.Conv2d(in_ch, out_ch, 3, padding=1, stride=1, bias=False),  # stride=1，维持尺寸
        nn.GroupNorm(32, out_ch),
        nn.ReLU(True),
    ))
```

**问题**: Decoder没有明确的上采样，如果transform后的特征经过某些下采样操作，无法恢复到800×800

---

## 解决方案

### 方案A: 简化为直接匹配（推荐）

**修改策略**: decoder之后不应改变空间维度

1. 确保所有decoder层都使用 `stride=1`
2. 不使用池化层
3. 输出直接匹配GT标签的800×800

**修改**: 在EnhancedBEVSegmentationHead中添加最终上采样层

```python
def forward(self, x):
    # ...existing code...
    x = self.decoder(x)
    
    # 确保输出维度与target匹配
    if x.shape[-2:] != target.shape[-2:]:
        x = F.interpolate(x, size=target.shape[-2:], mode='bilinear', align_corners=False)
    
    # classification
    outputs = []
    for classifier in self.classifiers:
        outputs.append(classifier(x))
    pred = torch.cat(outputs, dim=1)
```

### 方案B: 降低GT标签分辨率（临时）

将GT标签分辨率降回到400×400：
```yaml
train_pipeline:
  LoadBEVSegmentation:
    xbound: [-50.0, 50.0, 0.25]  # 400×400
    ybound: [-50.0, 50.0, 0.25]
```

**缺点**: 失去了高分辨率的优势

---

## 推荐行动

1. 使用方案A：在decoder后添加自适应插值
2. 保持GT标签800×800的高分辨率
3. 让模型输出自动匹配target尺寸

---

## 下一步

修改`mmdet3d/models/heads/segm/enhanced.py`的forward方法，添加自适应插值。