R-CNN 中的说明

Question

我正在学习使用 R-CNN 进行对象检测...我有图像和注释文件，它给出了对象的边界框我了解 R-CNN 中的这些步骤，使用选择性搜索来获取建议的区域使所有区域大小相同在 CNN 中输入这些图像保存特征图并馈送到 SVM 进行分类在训练中，我将所有对象（仅来自图像的对象而不是背景）输入到 CNN，然后在 SVM 中训练特征图进行分类。在每个博客中，都在说R-CNN，分为三个部分，1st -selective search 2nd -CNN 3rd -BBox Regression但是，我没有得到 BBox 回归的深入解释。我了解 IOU（Intercept over Union）来检查 BBox 的准确性。您能否帮我了解如何使用此 BBox 回归来获取对象的坐标。

Answer 1

解释如下所述的 BBox 回归工作。

就像你提到的那样，它发生在多个阶段。

1. 选择性搜索：

1. 生成初始子分割，我们生成许多候选或部分区域。

2. 使用贪心算法递归地将相似区域组合成更大的区域。

3. 使用生成的区域来生成最终的候选区域建议。

2. CNN 和 BBox 回归：

   回归器是具有卷积层和全连接层的 CNN，但在最后一个全连接层中，它不应用通常用于分类的 sigmoid 或 softmax，因为这些值对应于概率。相反，这个 CNN 输出的是四个值 (𝑟,𝑐,ℎ,𝑤)，其中 (𝑟,𝑐) 指定左角位置的值，(ℎ,𝑤) 指定窗口的高度和宽度。为了训练这个 NN，当 NN 的输出与训练集中标记的 (𝑟,𝑐,ℎ,𝑤) 非常不同时，损失函数将进行惩罚。