RCNN中的bounding box regression详解

最新推荐文章于 2024-05-07 11:45:00 发布

CV_adventurer

最新推荐文章于 2024-05-07 11:45:00 发布

阅读量3.2k

点赞数 1

分类专栏： deep learning

deep learning 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

总结下上面大神所陈述的内容：

1.关于公式1~4是怎么来的，从原paper来看，作者是引入了scale-invariant translation 分别对于x和y，即对于xy坐标引入同一个scale，加上作者在他的另一篇论文Rich feature hierarchies for accurate object detection and semantic segmentation 中阐述的“ proposal region不能和ground truth相差太远”（两者iou>0.6)如果相差太远是无法得到boundingbox regression的，所以在公式1~2中相当于将dx和dy regularize 在一定的数值范围内，即dx = (Gx-Px)/Pw 这里Gx是近似groundtruth 的 predicted 值。

同理对于dw和dh，作者引入log-space translation，也是将(Gw,Pw）这对差距规划入一个小的范围内，即 dw = log(Gw/Pw)。所以在最终的loss function中就相当于平均分配了xy 和wh的loss比例，不会因为wh的loss过大忽略了xy的loss，反之亦然。

2. 训练该regression 输入为(（G, P）一组训练example） + (CNN pool5的feature 即 lossfunction中的 SITA(P), 为了得到 parameter w* 。其中(G,P) pair用来求出 t* 。lossfunction 第一部分为数据loss 第二部分为正则化。

测试阶段输入为CNN pool5提取出的feature SITA(P)，通过线性模型 w* 乘以 SITA(P）就得出 dx，dy，dw，dh，这四个值有了就有了新的 bounding box