Bounding box regression 边框回归

      边框回归用的是相对坐标差

      Regression,即回归,对大量统计数据进行数学处理,并确定因变量与某些自变量的相关关系,建立一个相关性较好的回归方程,并对今后因变量的变化进行预测。举个简单的例子:给定一堆点(x, y),然后根据这些点拟合出一条线(一个函数),之后再给定一个x,那我们就可以预测出对应的y的值。

      那在目标检测中,为什么会需要回归呢?请看下图,红色的框是使用selective search提取出的region proposal,绿色的框是ground truth。当图中红色的框被分类器识别为飞机,但是由于红色框的定位不准(IoU<0.5),还是相当于没有正确检测出飞机。所以为了使定位更准确,即使得region proposal更接近于ground truth,我们可以对红色的框进行微调,那怎么进行微调呢?答案即使bounding box regression。接下来我们看看是怎么实现的。

边框回归做的是什么

      首先说明:在目标检测中,窗口一般用四维向量(x, y, w, h)来表示,分别表示窗口的中心点坐标和宽高。在下图中,粉色的窗口 P 为region proposal,蓝色的窗口 G 为ground truth,那bounding box regression的目标呢就是:找到一种映射关系,使得 P经过映射后会得到一个和 G 比较接近的 G‘ 。

 

【R-CNN目标检测系列】二、边界框回归(Bounding-Box Regression)_戴璞微的学习之路-CSDN博客_边界框回归

【目标检测】基础知识:IoU、NMS、Bounding box regression - 知乎

边框回归(Bounding Box Regression)详解_南有乔木NTU的博客-CSDN博客

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值