边框回归
边框回归是什么?
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
边框回归怎么做?
线性回归就是给定输入的特征向量X,学习一组参数W,使得经过线性回归后的值跟真实值非常接近,即 Y ≈ WX 。那么 Bounding-box中我们的输入以及输出分别是什么呢?
为什么宽高尺寸会涉及这种形式?
解释设计的tx, ty为什么除以宽高, 为什么tw,th会有log形式。
首先CNN具有尺度不变性。
x,y 坐标除以宽高
宽高坐标Log形式
第一,(6, 7)两式对平移量除以宽和高的处理是为了做尺度归一化,因为大的box可能绝对偏移量会比小的box大,除以宽和高消除这种影响;第二,(8, 9)两式比值取对数是线性回归中的常见操作(参考对数线性回归),目的也是在一定程度上将数值的绝对变化转换为相对的变化。
为什么IoU较大,认为是线性变换?