对RCNN中回归器偏移参数的一些理解，之前理解的有点问题，对训练和测试搞得有点糊涂了

在回归器中，都是训练偏移参数，也就是候选区域到真实区域的偏移。

偏移是四个值的偏移，中心点坐标x, y ，还有宽和高 w, h

也就是候选区域的这四个值   通过四个偏移量   偏移到真实区域的四个值

1 训练阶段

在训练阶段，使用 L2 损失函数来度量模型预测的偏移参数和真实偏移参数的差异

通过最小化这个损失函数，调整模型的参数，使模型能够准确地预测每个类别的偏移参数。

当然，每个类别的不同位置和特征都有不同的偏移参数，这也是训练得到的

2 测试阶段

然后测试阶段，使用训练好的模型根据候选区域的特征来预测偏移参数，应用这些预测的偏移参数来调整每个候选区域的位置和尺寸，使其更接近可能的真实边界框。

在测试环节，同一个类别的不同位置的候选区域，当通过训练好的边界框回归器时，都会得到各自的偏移参数。这些偏移参数是模型根据每个候选区域的特征动态计算出来的，用于调整候选区域的位置和尺寸，使其更贴近可能的真实边界框。