边界框的尺度不变和对数空间转换是什么？

Question

在慢R-CNN论文中，边界框回归的目标是学习一种将拟议的边界框P映射到地面真实框G的变换，并根据四个函数dx（P），dy对变换进行参数化（P），dw（P），dh（P）。

• 前2个表示 P边界框中心的尺度不变转换，而

• 第二个第二个指定 P边框相对于对象提议的宽度和高度的对数空间转换。

这与Fast-RCNN论文中用于BB预测的技术相同！

  

问题1。谁能帮助我了解边界框的尺度不变性和对数空间（两者）的相关性 以及这两个函数如何捕获这两个方面？

     

问题2。上述 BB尺度不变翻译 与实现 尺度不变对象检测 有何不同（解释如下） ？

我的意思是，在快速R-CNN中，作者指出，以下两种方法可以实现目标检测中的尺度不变性：

• 首先，蛮力方法，在训练和测试期间，每个图像均以预定的像素大小进行处理。网络必须直接从训练数据中学习尺度不变对象检测

• 第二种方法是使用图像金字塔。

请随时引用研究论文，以便我阅读以深入了解。

Answer 1

这些功能dx(P), dy(P), dw(P), dh(P)的目标是从提议框转换为地面框。它们被建模为来自特征图的合并特征的线性函数，并且包含可学习的参数（权重）。

该论文指出，dx(P), dy(P)指定了P边界框中心的比例不变平移，请注意，它是他们指定了但没有指定，那么此平移是什么呢？翻译看起来像这样：

要了解什么是尺度不变性，我们可以从为什么需要它开始？因为提案bbox的大小可能不同。 在下面的图片中，带有蝙蝠的人和投掷者的建议bbox的大小不同，在ROI合并后，它们将被表示为固定的相同形状特征向量（FIXED AND SAME SHAPE！）。回归器进行预测时，仅预测值dx(P)和dy(P)，而不会区分特征向量来自哪个提案bbox。在将此值应用于输入图像时，由于我们已经拥有了提案bbox（Px, Py, Pw, Ph）提供的信息，因此可以通过转换来简单地计算输入图像中bbox的中心！（注意这两个提议都是同班人，所以回归者可以是相同的，否则回归者是不同的

至于后面的两个转换：

如果在双方都应用对数变换，则会看到：

---

dw(P)和dh(P)指定日志空间转换！

对于第二个问题，边界框回归是整个检测管道的一部分，仅用于bbox回归。除了bbox回归之外，对象检测还必须处理图像分类，提案生成等。例如，在提案生成期间应用金字塔图像。