bounding box线性回归

#bounding box regression原理
如图所示绿色框为飞机的Ground Truth(GT),红色为提取的positive anchors,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positive anchors和GT更加接近。
bounding box线性回归_第1张图片
对于窗口一般使用四维向量(w,y,w,h) 表示,分别表示窗口的中心点坐标和宽高。对于上图,红色的框A代表原始的positive 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’,
给定 A=
在这里插入图片描述
寻找一种变换F, 使得:
在这里插入图片描述
其中
在这里插入图片描述
如下图
bounding box线性回归_第2张图片
一般就是先做平移,然后缩放。
平移:
bounding box线性回归_第3张图片
缩放:
bounding box线性回归_第4张图片

你可能感兴趣的:(深度学习,线性回归,算法,回归)