MultiBox
演算法背景
MultiBox之前所有的檢測演算法都是使用傳統方法來提取候選框，而MultiBox則是使用了神經網路來提取候選框，并且MultiBox的loss函式很好的解決了定位和分類的loss分配問題，并且提出了prior的思想，
MultiBox結構
候選框生成
作者使用了兩個alexnet來組成整個網路，其中一個alexnet用來做候選框的回歸，另一個則負責分類，
下面來講一下用來做候選框回歸的alexnet，首先alex會生成k個框，原論文中k=100，其中每個框的格式為： 
其中x1，y1為左上角的點，x2，y2為右下角的點，c為置信度，取值范圍為0到1，置信度為前景對背景的概率，作者在使用的時候，會將生成的k=100個框按置信度進行排序，只取前10個使用，如果想要速度更快可以使用nms進行篩選，
分類
作者使用1000萬個iou>0.5的正樣本和2000萬個iou<0.2的負樣本（背景）
損失函式
優化定位框：
Li是預測框，gj是真是框，Xij取值為0或者1，表示當前預測框是否命中待預測目標，并且Xij對i的求和必定為1，例如100個預測框只有一個框是匹配的，
優化置信度：
使用的為二值交叉熵損失函式
損失函式：
alpha的值作者在論文中取得是0.3，用來平衡置信度和邊界框回歸的值
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/237203.html
標籤：其他