Bounding Box是目标检测中一个重要概念。常见格式是边界框左上角坐标、右下角坐标，即[xmin,ymin,xmax,ymax]；或者边界框中心坐标，宽高，即[x_center,y_center,w,h]。

Bounding Box Regression的作用

以下图为例，红色框表示Ground Truth, 蓝色框为网络输出的候选区域框Region Proposal。蓝色框被分类器识别为person，但因框定位不准(IoU<阈值)， 则也是检测失败。 Bounding Box Regression的目的就是对蓝色框微调，使得经过微调后的窗口跟真实边界框更接近[1]。

 

如何进行Bounding Box Regression

以四维向量(x,y,w,h) 表示的Bounding Box为例， 即窗口的中心点坐标[x,y]和宽高[w,h]。P=表示原始的Region Proposal,  G=表示Ground Truth，Bounding Box Regression的目标是寻找一种函数关系使得输入原始的窗口 P 经过映射得到一个跟真实窗口G更接近的回归窗口。[2]

P通过线性变换得到，对x，y做平移，对w，h做缩放。

边框回归就是学习这四个变换。RCNN中，对P经过pool5的特征层学习一个线性变换，参数为。最后网络输出。该回归任务的target  如下：

 

 

 

参考资料：

[1]边框回归(Bounding Box Regression)详解

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