一文看懂目標檢測邊界框概率分佈

衆所周知，CNN的有監督學習通常是建立在給定訓練數據集之上的，數據集的標籤(也稱爲GT)，決定了人類期望模型學習的樣子。它通過損失函數、優化器等與CNN模型相連。因而機器所表現的出的一切有關識別、定位的能力，均是合理優化的結果。同樣地，如何能夠玩轉目標檢測？其實只需能夠玩轉最優化即可。 在最近兩年內，出現了一些有關目標檢測bounding box概率分佈建模的文章，如Softer-NMS (CVP

>>阅读原文<<