我知道，在房价逻辑回归问题中，权重和特征分别代表因素或特征变量系数的“重要性”，然后最小化LSR损失可以得到系数的值，问题是：
- CNN 是如何做边界框回归的？
我实际上做了很多谷歌搜索以找到一个直观的解释，但没有运气。
- BBR 中的特征和权重代表什么？
我认为不可能,,， 和因为这些绝对值会因为距离/比例和视角的不同而有很大的不同，但是是一个合理的特征（我理解），因为它是一个相对值。
CNN 如何进行边界框回归，特征和权重代表什么？
数据挖掘
美国有线电视新闻网
2022-02-17 01:13:53
1个回答
这取决于具体的模型，但我们可以考虑最流行的目标检测单阶段模型：SSD。
它有一组默认边界框（先前的框），它预测每个边界框：
- 类集上的概率分布（这是一个分类问题，通过交叉熵损失解决）
- 先前框的默认位置（中心的 x，y 坐标）及其高度/宽度的偏移量。这是一个使用平滑 L1 损失（定位损失）优化的回归问题：
确切的定义有点复杂，因为它包括方差和指数，但总体思路是这样的。此外，根据边界框编码类型，我们可能预测的偏移量不是 (cx, cy, w, h)，而是 (xmin, ymin, xmax, ymax)。
当然，先前框的预测形状偏移不是绝对值。这些值与先前框的默认大小有关。解码的确切公式是：
