根据MTCNN中P网络的输出，反算到原图中画框

根据MTCNN中P网络的输出，反算到原图中画框

上一篇博文，通过P网络的输出，经过一系列比较复杂的工作，得到了我们想要的[_x1,_y1,_x2,_y2,C]，_x1,_y1,_x2,_y2是四个偏移量，C是置信度，下面介绍如何反算到原图画框。

start_index是索引
offset是偏移量
cls是置信度
scale是缩放尺寸
stride是步长，MTCNN中步长是固定的
因为在做图像金字塔的时候，对原图乘以了一个scale，所以在反算的时候要除以scale

 # 将回归量还原到原图上去
    def __box(self, start_index, offset, cls, scale, stride=2, side_len=12):

        _x1 = (start_index[1] * stride) / scale
        _y1 = (start_index[0] * stride) / scale
        _x2 = (start_index[1] * stride + side_len) / scale
        _y2 = (start_index[0] * stride + side_len) / scale

        ow = _x2 - _x1
        oh = _y2 - _y1

        _offset = offset[:, start_index[0], start_index[1]]
        x1 = _x1 + ow * _offset[0]
        y1 = _y1 + oh * _offset[1]
        x2 = _x2 + ow * _offset[2]
        y2 = _y2 + oh * _offset[3]

        return [x1, y1, x2, y2, cls]

x1 = _x1 + ow * _offset[0]
y1 = _y1 + oh * _offset[1]
x2 = _x2 + ow * _offset[2]
y2 = _y2 + oh * _offset[3]
上面的公式是这么回事：