我一直在努力了解CornerNet的工作原理，但我无法弄清楚有关架构的一些部分。

首先，作者提到有 3 个不同的部分可以预测为热图、嵌入和偏移。

此外，在论文中，据说网络是在 COCO 数据集上训练的，该数据集具有边界框和类注释。

就我而言，由于 CornerNet 是基于检测左上角和右下角，因此热图的真实标签应由具有类分数的边界框的左上角和右下角像素位置组成（但我可能错了）。热图是做什么用的？

此外，对于嵌入部分，作者使用地面实况像素位置的 pull&push 损失来找出哪些角对属于哪个对象，但我不明白如何反向传播这种损失。如何反向传播嵌入损失？