长宽比，让不同图片保持同样的长宽比
本质：对信号的不同粒度的采样，在不同尺度下我们可以观察到不同的特征
代表了输入图片里的矩形区域，可能包含了一个对象。产生这个proposal的方法: objectness, selective search, region proposal network (RPN). 一个 bouding box 一般伴随了一个置信度的分数，代表box里多大概率包含一个目标
两个框之间的差异通常用 L2 举例来表示。在计算之前可以把h和w用log来转换一下：
IoU, Jaccard similarity:
用于衡量两个框之间的相似度：相交区域除以并集的区域
一个合并重叠的多个框(proposals or detections)的算法。任何显著与更高执行度的框重叠的框，都会被抑制。
通过查看输入区域，可以推断找出更好地符合内部目标的 bounding box，即使这个目标只有一部分在框里。下面的例子介绍了只通过查看目标的一部分来推断出实际框的情况。因此，一个回归器可以被训练成查看输入的一部分区域来预测输入区域(input region box，图里的红色)和ground truth box(绿色) 之间的offset。有了这个 offset，就可以调整 bbox 了。
bounding box regressor 可以是每个类别一个，也可以是类别无感的。通常bbox 回归器会跟一个 bbox 分类器(confidence scorer)来预估出box里的目标的执行度。这个分类器也是类别有感 or 无感的。如果没有定义 prior box，那么输入region box 就扮演 prior box的角色
不可能期望一个 bbox 回归器能预测离它的输入或者prior box区域(更常见)太远的bbox目标。因此，需要一个box 匹配策略来决定哪个 prior box 和一个 ground truth box 匹配。每个匹配是一个归回的训练样本。
可能的策略:
Multibox: 使用 有最高 IoU 的 prior box来匹配
SSD,FasterRCNN: 与任何ground trugh有高于0.5 IoU 的prior box
问题：bbox的输入或输出是什么？
对于每个 prior box, 有一个 bbox 分类器来预估里面有目标的概率。在 box matching之后，所有匹配的 prior box 都是这个分类器的正样本。其他所有prior box就是负样本。如果我们使用所有这些负样本，那就会有巨大的正负样本之间的不平衡。
可能的解决方案：
- 随机挑一个负样本(FasterRCNN)
- 挑一个分类器预测的类别错误最严重的(SSD)
最后目标是让正负样本的比例大概在3：1