RetinaNet详解

网络结构

这里默认$3\ast 3$个anchor,图中标出以输入为672*640大小时,每层对应的尺度,以及每层对应anchor个数和每个特征层base anchor对应到原图的anchor大小.

边界框回归

在faster rcnn 中存在3个框，其中anchor, ground truth为已知固定的框, predict 为预测框

其中：

$Anchor:(A_x,A_y,A_w,A_h)$

$Predict:(P_x,P_y,P_w,P_h)$

$GroundTruth:(G_x,G_y,G_w,G_h)$

目标：

边界框回归的目的即寻找一个$F$,使得
F ( A x , A y , A w , A h ) = ( P x , P y , P w , P h ) ≈ ( G