边框回归

边框回归

边框回归是什么？

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


边框回归怎么做？

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？




为什么宽高尺寸会涉及这种形式？

解释设计的tx， ty为什么除以宽高， 为什么tw，th会有log形式。
首先CNN具有尺度不变性。

x,y 坐标除以宽高

宽高坐标Log形式

第一，(6, 7)两式对平移量除以宽和高的处理是为了做尺度归一化，因为大的box可能绝对偏移量会比小的box大，除以宽和高消除这种影响；第二，(8, 9)两式比值取对数是线性回归中的常见操作（参考对数线性回归），目的也是在一定程度上将数值的绝对变化转换为相对的变化。

为什么IoU较大，认为是线性变换？