bounding box regression

    我只知道,输入检测到的box,回归的是检测到box中心点,以及box长和宽到标记的box的映射。看过rcnn的回归的过程,就是把那个loss函数最小。
rcnn.jpg

但这个红框里面的loss函数 谁能解释下。谢谢
已邀请:

王斌_ICT - 研究领域:深度学习,目标检测

赞同来自: 海之蓝 CHMIT 十点睡七点起 caney 李扬 csupj 鱼子酱菌 OutLaws maohule lyimage bea_tree Damon 小小Z Tars_ happybruce 销矢_ch 说话啊 epleone 牧马人夏峥123 Banggui02 yiboin hantiantian aktiger 王小明 Dr_Riften更多 »

    好多同学问过这个问题,一直没时间整理,下面是我对Bounding-box regression的理解,图片可能不是很清晰,附件是pdf文件,可以下载查看.
1.jpg


2.jpg


3.jpg


4.jpg


5.jpg


6.jpg

 

weinaike

赞同来自: 汤智尧x

但是预测的groundtruth为什么是(1)(2)(3)(4)式给出的定义?

pbypby - 搞搞搞

赞同来自:

线性回归+L2正则项惩罚即ridge regression,这样做可以得到一个解析解

zeakey - please visit my homepage: zhaok.xyz

赞同来自:

loss函数的第一项是相对位置/大小的均方误差啊, 第二项为正则项.

十点睡七点起

赞同来自:

做了那个t的这种参数化的意义是什么?不太能想明白,求大神们解释

dwor1990

赞同来自:

您好,一直不理解回归是怎么做的,看了您分享的技术,收益匪浅。在读的过程中,有一个地方还不是很明白,希望您能指导一下,就是输入的时候是Pool5 feature ,我看了一下rcnn的网络结果,pool5是最后一层卷积后的pool,是一个256个feature maps ,将这个输入网络吗?

HelloDL - 如:80后IT男...

赞同来自:

QQ图片20160725134505.jpg

 

王者fqtd

赞同来自:

回归为什么一次可以输出4个值出来呢?回归不是只能输出一个值吗?
 

要回复问题请先登录注册