py-faster-rcnn源码解读（二）边框回归原理 Bounding Box Regression

刚开始的时候不知道anchor到底有什么用，知道对比了RCNN中边框回归才发现。先从RCNN说起

一、RCNN

rcnn在第一步采用SS得出了大约２０００多个候选区域（region proposal)，用来进行训练和边框回归。这里不在详述边框回归的原理了。具体可以看边框回归这个链接。rcnn中采用候选区域（第一个生成的）加上Ｇround Truth进行回归。

就好比现行回归中我们输入的是一对坐标，经过得到预测值，然后计算和的差值进行回归。

这里只是把第一步中的２０００个候选区域（四个坐标值作为输入），经过计算得到，Ground Truth作为。进行回归即可

二、Faster- rcnn

faster-rcnn中没有２０００多个候选区域。采用anchor进行代替。在回归的过程中，这个anchor的坐标值就是RCNN中的候选区域的坐标值（region proposal)。其他的都不变。