bounding box regression讲解

简介

• bbox回归指的是使用变换的方法，将当前预测的bbox进行变换，使其更加接近gt box。
• 对于一般的bbox，可以由 $x,y,w,h$ 4个变量进行表示，将我们的目标抽象为给定原始的proposal $P$，将groundtruth box记为$G$，我们希望能够找到一个变换关系，使得原始框可以映射得到一个更接近gt box的回归窗口$\hat G$。

具体做法

• 首先进行平移，之后再进行缩放，具体公式如下

$$\begin{array}{l} {{\hat G}_x} = {P_w}{d_x}(P) + {P_x}\\ {{\hat G}_y} = {P_h}{d_y}(P) + {P_y}\\ {{\hat G}_w} = {P_w}{e^{{d_w}(P)}}\\ {{\hat G}_h} = {P_h}{e^{{d_h}(P)}} \end{array}$$

在这里，$(\hat G_x, \hat G_y, \hat G_h, \hat G_h \approx (G_x, G_y, G_h, G_h)$

• 注意：上面w和h使用指数方式进行变换，是为了防止长度和宽度出现负值的情况。
• 
  
  • 针对以上变换方法，在IOU较大的情况下， 可以将这种变换关系假设为线性变换，可以得到以下平移变换和尺度缩放的参数的计算公式

$$\begin{array}{l} {t_x} = ({G_x} - {P_x})/{P_w}\\ {t_y} = ({G_y} - {P_y})/{P_h}\\ {t_w} = \log (\frac{{{G_w}}}{{{P_w}}})\\ {t_h} = \log (\frac{{{G_h}}}{{{P_h}}}) \end{array}$$

函数可以表示为$d_*(P) = w_*^T \phi _5 (P)$，$\phi _5 (P)$是当前proposal的特征向量，$w_*$是要学习的参数，因此loss可以表示为

$$L = \sum\limits_{i = 1}^N {{{(t_*^i - w_*^T{\phi _5}P(i))}^2}}$$

也可以加上L1 loss或者L2 loss，防止过拟合，可以使用最小二乘法进行求解。

参考链接

• https://blog.csdn.net/zijin0802034/article/details/77685438