Bounding Box Regression的label为什么设计成对数形式

该博客探讨了在目标检测中,为什么bounding box regression的label通常采用对数形式。作者指出,平移量除以原始宽高是为了按比例平移,而放缩比例取对数可以将小于1和大于1的值映射到正负区间,有利于模型学习。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Bounding box regress这篇博客讲得很清楚https://blog.youkuaiyun.com/zijin0802034/article/details/77685438,但还是很疑惑为什么label设计成对数形式

原论文没有过多解释:

博客中的解释如下:

 

我的理解:

bounding box regression就是在已知proposal特征的前提下,训练模型使模型可以根据特征对proposal进行平移和放缩。

平移量除以原始宽高

如博客上所说,proposal平移多少若不除以原来的宽高,相同特征的平移量就都是相同的,这会显然不合理,应该按照原图尺寸按比例平移

放缩比例取对数

放缩比例肯定是大于0的,只是大于1还是小于1的区别,个人觉得没必要如博客所说限制尺度大于0,反而应该让放缩比例(label)分布有正有负。满足这一操作的运算当然是取对数了,小于1则label为负,大于1则label为正

### 边界框回归概念 边界框回归是目标检测算法中的一个重要组部分,其目的是通过调整初始预测的边界框来更精确地定位目标对象的位置和尺寸。在训练过程中,模型学习如何修正这些初步预测以最小化真实边界框与预测之间的差异。 对于大多数现代的目标检测框架而言,边界框通常由四个参数定义:中心坐标 (cx, cy),宽度 w 和高度 h 或者左上角坐标(xmin,ymin)以及右下角坐标(xmax,ymax)[^1]。 ### 实现方法 #### R-CNN系列 R-CNN及其变体(Fast R-CNN, Faster R-CNN)采用两阶段的方法来进行边界框回归。首先利用区域提议网络生候选区域;其次,在第二阶段应用线性支持向量机(SVMs)或其他分类器对每个建议区进行分类并执行边界框微调操作。具体来说,Faster R-CNN引入了一个专门负责产生高质量区域提案的子网——Region Proposal Network(RPN),它可以直接嵌入到整个架构之中。 ```python def bbox_transform(deltas, boxes): """ Apply bounding-box regression deltas to predicted boxes. Parameters: deltas: Predicted offsets from each anchor box. boxes : Original anchor or proposal boxes. Returns: Transformed boxes based on the given delta values. """ widths = boxes[:, 2] - boxes[:, 0] + 1.0 heights = boxes[:, 3] - boxes[:, 1] + 1.0 ctr_x = boxes[:, 0] + 0.5 * widths ctr_y = boxes[:, 1] + 0.5 * heights dx = deltas[:, 0::4] dy = deltas[:, 1::4] dw = deltas[:, 2::4] dh = deltas[:, 3::4] pred_ctr_x = dx * widths.unsqueeze(-1) + ctr_x.unsqueeze(-1) pred_ctr_y = dy * heights.unsqueeze(-1)+ ctr_y.unsqueeze(-1) pred_w = torch.exp(dw) * widths.unsqueeze(-1) pred_h = torch.exp(dh) * heights.unsqueeze(-1) pred_boxes = deltas.clone() # x1 pred_boxes[:, 0::4] = pred_ctr_x - 0.5 * pred_w # y1 pred_boxes[:, 1::4] = pred_ctr_y - 0.5 * pred_h # x2 pred_boxes[:, 2::4] = pred_ctr_x + 0.5 * pred_w # y2 pred_boxes[:, 3::4] = pred_ctr_y + 0.5 * pred_h return pred_boxes ``` #### Single Shot Detectors (SSD/YOLOvX) 相比之下,像YOLO这样的single shot detectors则采取了一种更加直接的方式处理这个问题。它们在整个输入图片上划分出固定数量的网格单元格,并让每一个细胞都去预测一定数目的边界框及其对应的置信度得分。这种做法不仅简化了流程而且提高了速度,因为不需要额外的时间消耗于生region proposals这一步骤之上[^2]。 ### 应用场景 边界框回归的应用非常广泛,几乎涵盖了所有涉及到视觉识别的任务领域: - **自动驾驶汽车**:车辆周围环境感知系统依赖于精准的对象位置信息以便做出安全决策; - **安防监控视频分析**:实时跟踪人员活动轨迹、异常行为预警等功能都需要依靠稳定可靠的物体检测技术提供支撑; - **机器人导航避障**:帮助移动平台理解周边空间布局从而规划最优路径绕过障碍物; - **增强现实游戏开发**:使得虚拟物品能够自然融入现实生活场景当中并与之互动。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值