目标检测中的边框回归（Bounding Box Regression）

目标检测中的边框回归（Bounding Box Regression）

---

前言

如下图所示，绿色的框表示真实值Ground Truth, 红色的框为Selective Search提取的候选区域/框Region Proposal。那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准(IoU<0.5)， 这张图也相当于没有正确的检测出飞机。

如果我们能对红色的框进行微调fine-tuning，使得经过微调后的窗口跟Ground Truth 更接近， 这样岂不是定位会更准确。 而Bounding-box regression 就是用来微调这个窗口的。

一、边框回归是什么？

如下图：对于窗口一般使用四维向量(x,y,w,h) 来表示， 分别表示窗口的中心点坐标和宽高。 对于图2, 红色的框 P 代表原始的Proposal, 绿色的框 G 代表目标的 Ground Truth， 我们的目标是寻找一种关系使得输入原始的窗口 P 经过映射得到一个跟真实窗口 G 更接近的回归窗口G^。

下面重点来了，边框回归的目的即是：给定(Px,Py,Pw,Ph)寻找一种映射f， 使得

那么映射f是什么呢？比较简单的思路就是：平移+尺度缩放
即：

我们定义一个损失函数：

那么边框回归就是找到一组参数（Wx，Wy，Ww，Wh）使得损失函数最小。这个时候回归窗口最接近真实框，相当于预测框最接近真实框。具体怎么求这一组参数，我们可以用梯度下降法或最小二乘法获得。

参考文章：https://www.julyedu.com/question/big/kp_id/26/ques_id/2139

---

写的不好，如果有问题请及时指出，我会及时纠正。如果您认可我的文章，希望你能关注我的微信公众号，我会不定期更新工作中学到的东西和一些技术比较前沿的东西。