目标检测之anchor

bounding box regression

如图9所示绿色框为飞机的Ground Truth(GT)，红色为提取的foreground anchors，那么即便红色的框被分类器识别为飞机，但是由于红色的框定位不准，这张图相当于没有正确的检测出飞机。所以我们希望采用一种方法对红色的框进行微调，使得foreground anchors和GT更加接近。

对于窗口一般使用四维向量(x, y, w, h)表示，分别表示窗口的中心点坐标和宽高。对于图 10，红色的框A代表原始的Foreground Anchors，绿色的框G代表目标的GT，我们的目标是寻找一种关系，使得输入原始的anchor A经过映射得到一个跟真实窗口G更接近的回归窗口G’，即：给定A=(Ax, Ay, Aw, Ah)，寻找一种映射f，使得f(Ax, Ay, Aw, Ah)=(G’x, G’y, G’w, G’h)，其中(G’x, G’y, G’w, G’h)≈(Gx, Gy, Gw, Gh)。

那么经过何种变换才能从图6中的A变为G’呢？ 比较简单的思路就是:

1. 先做平移
   
2. 再做缩放
   

版权声明：本文为CSDN博主「moonuke」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_36269513/article/details/80421990

https://zhuanlan.zhihu.com/p/55824651

end to end 端到端，只有输入和输出，其他的在神经网络里都做了
SVM分类器和Bbox reg 的回归器
SPP网络
全连接层要连卷积输出的特征，输入图片大小不一样，最后特到的特征图的大小也不一样
经过一个spp（spatial pyrmid pooling layer ）pooling层，让他们连成的串（拼接在一起，形成一个新的特征）的size是一致的——之后就可以进行全连接操作了，不同的卷积的大小，对于全连接层怎么连