第一次阅读目标检测的不确定性方向的文章，可以学习一下是如何得到bbox的不确定性的，怎样使用的～

1. 概况

大规模数据集在gt框标注的时候存在歧义（可能由于标注错误，可能由于图片本身存在遮挡等带来了歧义），本文提出新的bbox回归损失，对bbox的移动(transformation)和位置方差(localization variance)进行学习=>在nms时使用位置方差，提升定位的准确度

2. 模型改进

• 将原先faster rcnn需要回归的四个参数(x,y,w,h) 转换为顶点的四个坐标(x1,y1,x2,y2)从而可以用KL loss分别回归四个坐标而不影响最终的结果.
• 在输出预测顶点坐标位置的同时输出坐标的概率(简单起见，采用单高斯分布拟合概率，输出概率)，从而能够进行后续加权回归操作。
  • 优化的目标是在inference的时候输出四个顶点的坐标和高斯分布的方差
  • x_e是预测出的该点的坐标，segma是该点高斯分布对应的方差
  • x_g是gt对应的顶点，由于gt对应的是真值，所以用冲击函数表示

3. 优化方式-kl损失函数

N是proposal数量，优化目标是希望bbox的概率分布尽可能贴近gt，从而得到最优的方差

• 后两项与值无关，所以可以简化如下
• 对x_e、segma求导如下
• 可以发现，segma过小时会带来梯度爆炸，所以替换为a = log(segma²)
• 继续调整为具有smoothl1形式的loss，且|x_g - x_e| > 1，fc层产生a的初始化为高斯随机初始化，方差0.0001，均值0（有点不明白为什么时这个形式），这样训练开始时和smotthl1就很相似了

4. variance voting

• 首先选择分类分数最大的detection box b_m
• 对于所有和 b_m 存在IoU交集的detection boxes，计算其权值(对距离较近，且方差较小的proposal给予较大的权值),根据所有和 b_m 存在交际的detection boxes和其权值，重新回归得到 b_m 的四个坐标