在目標檢測演算法中，都會需要框出目標，其中的實現過程是乙個關於候選框的回歸，回歸以後才能得到更加準確的框的座標資訊，和框的長寬。具體過程可以參考下面給出的原始碼，每一步都我給出了相應的注釋，大家應該能看懂。
typedef struct faceinfo faceinfo;
refine(vector&bboxs, int height, int width, bool flag)
//這裡的目的是讓框盡可能的大一些，為了更好的將目標置於框中
it->x[0] = round(x0);
it->y[0] = round(y0);
it->x[1] = round(x1);
it->y[1] = round(y1);//取整賦值
if (it->x[0] < 0) it->x[0] = 0;
if (it->y[0] < 0) it->y[0] = 0;
if (it->x[1] > width) it->x[1] = width - 1;
if (it->y[1] > height) it->y[1] = height - 1;//限制座標在裡面
it->area = (it->x[1] - it->x[0]) * (it->y[1] - it->y[0]);
}
目標檢測中的example mining
目標檢測，一般分為2個部分，定位和分類,example mining是選擇出特定樣本來計算損失函式 從實際問題出發hard example應該就是指定位較困難或分類較困難或者兩者都困難的候選框。ssd的caffe中支援negative mining和hard example mining，當shar...
目標檢測中region proposal的作用
首先我們明確乙個定義，當前主流的object detection框架分為1 stage和2 stage，而2 stage多出來的這個stage就是regional proposal過程，明確這一點後，我們繼續講。regional proposal的輸出到底是什麼？我們首先看一下以faster r c...
目標檢測中的Selective Search
在r cnn學習的過程中，首先使用到的技巧就是selective search選擇性搜尋。它的目標是減小滑動窗或者窮舉法帶來的冗餘候選區域，從而減小計算量。本文參考blog 選擇性搜尋主要集中解決了以下幾個問題 事先並不知道內物體的尺寸，如何確定不同大小比例的候選框 對於影象中存在的特徵，如何利用起...