Single Bounding Box Regression

输入输出

Bounding Box Regressor 训练过程的输入由两部分组成:

• data:原图或其feature
• label: ground truth bounding box.

regression输出为一组可以确定$n$个bounding box的数值. 数值涵义由label决定.
本文讨论$n =1$的情况, 即Single box regression: 一张图片回归一个bounding box.

典型的应用出现在RCNN: Proposal太大时, 需要缩小范围以更精确的框出目标物体. 它的regressor的输入为一个proposal region, 输出为一个bounding box.

一个region由一个四维向量表示: $P = (P_x, P_y, W, H)$, 其中, $(P_x, P_y)$为中心点的位置(RCNN)或左上角的位置(Fast RCNN), $(W, H)$为它的宽和高. 它对应的bbox ground truth由$G = (G_x, G_y, G_w, G_h)$表示, 各参数的涵义与$P$类似.

L2 Loss

用$f(P)$表示regressor的输出, 最简单粗暴的loss可以表示为:

$$L_* = (f_*(P) - G_*)^2$$
其中, $*$代表