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 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 P ,将groundtruth box记为,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 G^ G ^ 。
具体做法
- 首先进行平移,之后再进行缩放,具体公式如下
在这里, (G^x,G^y,G^h,G^h≈(Gx,Gy,Gh,Gh) ( G ^ x , G ^ y , G ^ h , G ^ h ≈ ( 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
函数可以表示为 d∗(P)=wT∗ϕ5(P) d ∗ ( P ) = w ∗ T ϕ 5 ( P ) , ϕ5(P) ϕ 5 ( P ) 是当前proposal的特征向量, w∗ w ∗ 是要学习的参数,因此loss可以表示为
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。