目标回归问题
问题说明:给定一幅图像,定位图像中目标的位置。
发现直接定位目标位置这个任务太难了(当然现在有free anchor的方法,直接基于关键点检测如centernet等)
思考
那如果有一个初始框,设为P,那么我们的已知量为:
,要求
。我们将问题转化,先求得
),即相对predict anchor得变化量,那那我们的目标就变成了:
1. 因为缩放系数
始终大于0,而网络的输出范围是
,我们很容易想到利用幂函数做转换。所以我们令缩放系数
,保证符合上述条件,所以目标变换为 :
2. CNN具有尺度不变性,如下如所示,右图(设为a)是左图(设为b)的等比例缩放图,
那根据尺度不变性,两者经过网络后提出出来的特征是一致的,假设分别为
,因右图是左图的等比例缩放图,所以a,b中的
不相等。而网络回归分支的最后一层为全连接层,即
,这显然不符合函数的定义。所以我们不能直接把:
当成目标。所以作者想到了将目标继续转换为:
,这样不仅能满足上面的情况,还能消除目标尺度的影响。例如两个目标,尺度分别为100*100和10
*10的目标,predict box和truth box的offset都为10时,如果网络预测值为5,我们会认为100
*100的turth box对应得predict box预测已经很好了,但是10*10差很远,但此时给网络的梯度是一样的。如果我们将目标转换为
,能提高小目标准确率(大尺度目标的offset大一点没有关系)
3. 最后实验发现:嗯,学习
这个分布 要比学习
这个分布容易得多。
4. 作者认为,当Proposal 与 Ground Truth 相差较小时(RCNN 设置的是 IoU>0.6)时,可以认为是一个线性问题。
这是为什么呢?查看资料(http://www.caffecn.cn/?/question/160)发现,有一种解释是这样的:
当
,上式是线性函数,即
符合线性分布。所以可以用线性回归来建模
。我对这里非常疑惑?