bounding box的简单理解

1. 小吐槽

OverFeat是我看的第一篇深度学习目标检测paper，因为它是第一次用深度学习来做定位、目标检测问题。可是，很难懂。。。那个bounding box写得也太简单了吧。虽然，很努力地想理解还找了很多博客、论文什么。后来，还是看RCNN，总算有点理解。

2. 对bounding box的误解

我一直以为卷积网络最后可以得到四个值：分别表示学习到的bounding box坐标，然后回归的目标是将这四个坐标与ground truth的四个坐标进行比较回归。其实不是这样的！正文如下

3. bounding box

(1) 一开始会有预测的边框值输入。原来的分类问题只是输入一张图，但是现在对于输入的图还有它在原图中的位置信息。比如滑动窗口、RCNN中selective search给出的区域提案等，产生用于分类判断的区域$P$

(2) 输入的图会通过卷积网络学习提取出特征向量$\phi_5(P)$

(3) 目标检测的一个目标是希望最后的bounding box(P)和ground truth(G)一致，但是实现方法并不是学习坐标，而是学习变形比例：包括两个部分，一个是对边框(x, y)进行移动，一个是对边框大小(w, h)进行缩放