一文看懂目标检测边界框概率分布

众所周知，CNN的有监督学习通常是建立在给定训练数据集之上的，数据集的标签(也称为GT)，决定了人类期望模型学习的样子。它通过损失函数、优化器等与CNN模型相连。因而机器所表现的出的一切有关识别、定位的能力，均是合理优化的结果。同样地，如何能够玩转目标检测？其实只需能够玩转最优化即可。 在最近两年内，出现了一些有关目标检测bounding box概率分布建模的文章，如Softer-NMS (CVP

>>阅读原文<<