边框回归

1.为什么做边框回归

框位不准，即使分类是正确的，但是不准确，相当于没有准确的测量出，对红色的框进行微调，使得和准确值更加接近，

2.什么是边框回归

寻找一种关系使得输入原始的窗口P经过映射得到一个真实窗口ģ更加近的回归窗口ģ

3.边框回归这么做平移加尺度缩放

本质就是求这四个值，学习一组特征向量，即Y = WX

输入：窗口对应的CNN特征，训练阶段输入还包括Ground Truth，也就是下边提到的t =（tx，ty，th，tw）

目标函数d（P）= W *D(p),D(p)是输入的特征向量，w是要学习的参数，d(p)是得到的预测值，损失函数就是最小

4.边框回归为什么宽高，坐标会设计这种形式

得到一个放缩的尺度，限制尺度必须大于0，日志函数保持尺度大于0

5.为什么只能微调，在离近的时候才能生效

IOU足够大时，认为是线性变化，

当GP = 0的时候，才会是线性函数，宽度和高度必须近似相等