Bounding-box regression详解（边框回归）

目录

1、为什么要做Bounding-box regression？

2、回归/微调的对象是什么（问题的数学表达）？

3、Bounding-box regression（边框回归怎么做）

4.      测试阶段

5、为什么宽高尺度会设计这种形式？

---

1、公式（1）-（4）的推导    https://blog.csdn.net/u014433413/article/details/78194855

1、为什么要做Bounding-box regression？

      如上图所示，绿色的框为飞机的Ground Truth，红色的框是提取的Region Proposal。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(IoU<0.5)，那么这张图相当于没有正确的检测出飞机。如果我们能对红色的框进行微调，使得经过微调后的窗口跟Ground Truth更接近，这样岂不是定位会更准确。确实，Bounding-box regression 就是用来微调这个窗口的。

2、回归/微调的对象是什么（问题的数学表达）？

边框回归的目的：

3、Bounding-box regression（边框回归怎么做）

那么经过何种变换才能从图11中的窗口P变为窗口呢？比较简单的思路就是：平移+尺度放缩

说明：指的是长和宽放大的倍数，是指数形式。

注意：只有当Proposal和Ground Truth比较接近时（线性问题），我们才能将其作为训练样本训练我们的线性回归模型，否则会导致训练的回归模型不work（当Proposal跟GT离得较远，就是复杂的非线性问题了，此时用线性回归建模显然不合理）。这个也是G-CNN: an Iterative Grid Based Object Detector多次迭代实现目标准确定位的关键。

      线性回归就是给定输入的特征向量X，学习一组参数W，使得经过线性回归后的值跟真实值Y(Ground Truth)非常接近。即Y≈WX。那么Bounding-box中我们的输入以及输出分别是什么呢？

4.      测试阶段

   根据3我们学习到回归参数，对于测试图像，我们首先经过 CNN 提取特征，预测的变化就是，最后根据以下4个公式对窗口进行回归：

5、为什么宽高尺度会设计这种形式？

       无论是在RPN还是RoIHead中，回归结果都不是bounding box的坐标，而是相对（正样本anchor、RoI）中心点坐标的位移和长宽比。为方便叙述，这里把两者分别称之为offset和scale。

直观地看，直接回归bounding box的坐标更方便，免去了传参（RPN中需要传入anchor，RoIHead中需要传入RoI）与坐标计算。

但是，如果回归的是坐标，那么在计算损失时，大尺寸bbox的坐标误差占的比重可能就会比小尺寸bbox之间的坐标误差大得多，从而使得模型更偏向于学习大bbox，从而导致小目标的检测效果不佳。

那么如何计算offset和scale呢？如下面公式 6 - 7 展示：

offset等于其中心点与anchor中心点坐标差除以anchor边长，scale等于两者的长宽比，并且使用log函数，log函数的作用也是一定程度上抑制了大bbox之间的误差占比盖过小bbox（拉近了大、小bbox之间的误差水平），log形式也保证了宽高比例大于0