Bounding-box_regression详解
2017-11-22 16:07
387 查看
1. 为什么要做Bounding-box regression?
图10 示例
如图10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?
3. Bounding-box regression(边框回归)
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: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
。那么Bounding-box中我们的输入以及输出分别是什么呢?
输入:
这个是什么?输入就是这四个数值吗?其实真正的输入是这个窗口对应的CNN特征,也就是R-CNN中的Pool5feature(特征向量)。(注:训练阶段输入还包括 Ground
Truth,也就是下边提到的
)
输出:需要进行的平移变换和尺度缩放
,或者说是
。我们的最终输出不应该是Ground
Truth吗?是的,但是有了这四个变换我们就可以直接得到Ground Truth,这里还有个问题,根据上面4个公式我们可以知道,P经过
,得到的并不是真实值G,而是预测值
。
的确,这四个值应该是经过 Ground Truth 和Proposal计算得到的真正需要的平移量
和尺度缩放
。
这也就是R-CNN中的:
那么目标函数可以表示为
是输入Proposal的特征向量,
是要学习的参数(*表示
,也就是每一个变换对应一个目标函数),
是得到的预测值。我们要让预测值跟真实值
差距最小,得到损失函数为:
函数优化目标为:
利用梯度下降法或者最小二乘法就可以得到
。
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:
相关文章推荐
- 在ccTouchesBegan 用;boundingBox 判断是不是在操作英雄
- Matlab手动绘制bounding box,并获取其坐标
- Fast algorithm to compute minimum volume oriented bounding box
- Cocos2d-x之getVisibleSize,getContentSize,boundingBox,getContentSizeInPixels,convertToGL,convertToUI
- Ogitor探索之代码分析(3)---CBaseEditor::showBoundingBox(bool bShow)
- unity spine boundingbox 碰撞检测
- Cesium AxisAlignedBoundingBox
- Bounding box regression(回归)
- 【POJ2504】Bounding box(计算几何)
- SSD Tensorflow:InvalidArgumentError: about bounding box coordinates
- OrientedBoundingBox 有向包围盒碰撞DEMO (附源码)
- pku 2504 BoundingBox
- Revit API之BoundingBoxXYZ的用法和剖面框(Section Box)
- UVa 10577 - Bounding box
- 3D空间中的AABB(轴向平行包围盒, Aixe align bounding box)的求法
- POJ2504 Bounding box
- cocos2d-x-2.2.5 加载spine的骨骼动画之后,boundingBox 为0
- cocos2d-x3.2中的getVisibleSize,getContentSize,boundingBox,getContentSizeInPixels,convertToGL,convertTo
- 3D空间中的AABB(轴向平行包围盒, Aixe align bounding box)的求法
- AABB(axis-aligned bounding box)