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=表示原始的Region Proposal,  G=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。[2]

P通過線性變換得到，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。RCNN中，對P經過pool5的特徵層學習一個線性變換，引數為。最後網路輸出。該回歸任務的target  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