【目標檢測】Bounding Box Regression

通訊程式猿發表於2019-02-25

Bounding Box是目標檢測中一個重要概念。常見格式是邊界框左上角座標、右下角座標，即[xmin,ymin,xmax,ymax]；或者邊界框中心座標，寬高，即[x_center,y_center,w,h]。

Bounding Box Regression的作用

以下圖為例，紅色框表示Ground Truth, 藍色框為網路輸出的候選區域框Region Proposal。藍色框被分類器識別為person，但因框定位不準(IoU<閾值)， 則也是檢測失敗。 Bounding Box Regression的目的就是對藍色框微調，使得經過微調後的視窗跟真實邊界框更接近[1]。

 

如何進行Bounding Box Regression

以四維向量(x,y,w,h) 表示的Bounding Box為例， 即視窗的中心點座標[x,y]和寬高[w,h]。P=[P_x,P_y,P_w,P_h]表示原始的Region Proposal,  G=[G_x,G_y,G_w,G_h]表示Ground Truth，Bounding Box Regression的目標是尋找一種函式關係使得輸入原始的視窗 P 經過對映得到一個跟真實視窗G更接近的迴歸視窗\hat{G} = [\hat{G}_x,\hat{G}_y,\hat{G}_w,\hat{G}_h]。[2]

P通過線性變換得到\hat{G}，對x，y做平移，對w，h做縮放。

邊框迴歸就是學習這四個變換d_x(P),d_y(P),d_w(P),d_h(P)。RCNN中，對P經過pool5的特徵層學習一個線性變換，引數為w_*。最後網路輸出d_*(P)=w^T_* \phi_5(P)。該回歸任務的target t_* 如下：

 

 

 

參考資料：

[1]邊框迴歸(Bounding Box Regression)詳解

[2]Rich feature hierarchies for accurate oject detection and semantic segmentation

相關文章