边界框回归（Bounding-Box regression）的实质——平移与缩放

对于窗口一般使用四维向量(x,y,w,h)来表示， 分别表示窗口的中心点坐标和宽高。 对于图 2, 红色的框 P 代表原始的Proposal, 绿色的框 G 代表目标的 Ground Truth， 我们的目标是寻找一种关系使得输入原始的窗口 P 经过映射得到一个跟真实窗口 G 更接近的回归窗口G^。

边界框回归的实质就是平移+缩放。



每一张图对应着一个最优变换：

我们希望d无限逼近t！！
求出最优的四个参数：

训练的过程就是学习权重w，得到四个变换操作d

参考：
https://blog.csdn.net/weixin_43384257/article/details/90901324