求助：Mediapipe手掌检测模型输出转Bounding Box的计算方法

Mediapipe手掌检测模型基于锚点（Anchor）机制，输出的dx, dy, w, h是相对于预设锚点的偏移量，需结合锚点参数、激活函数转换及坐标映射得到真实Bounding Box，具体步骤如下：

1. 筛选有效锚点 #

• 模型输出的置信度是未激活的原始值（如示例中的-2090.7869），先通过Sigmoid函数转换为0-1区间的置信度：

  float confidence = 1.0f / (1.0f + exp(-raw_confidence));
  

• 设置置信度阈值（建议0.7），仅保留置信度高于阈值的锚点，减少无效计算。

2. 获取预设锚点参数 #

模型的2016个锚点是提前按多尺度特征图生成的，每个锚点包含：

• anchor_x, anchor_y：锚点中心在特征图上的坐标
• anchor_w, anchor_h：锚点的预设宽高

锚点参数可从Mediapipe手掌检测的管线配置或源码中提取，特征图尺寸与模型输入图像尺寸的比例固定（比如输入192x192时，特征图由多个尺度层组成，总锚点数为2016）。

3. 转换偏移量为特征图上的bbox #

模型输出的dx, dy, w, h需通过以下公式转换：

1. 对dx, dy应用Sigmoid，得到相对于锚点中心的偏移比例：

   float dx_sigmoid = 1.0f / (1.0f + exp(-dx));
   float dy_sigmoid = 1.0f / (1.0f + exp(-dy));
   

2. 计算特征图上的bbox中心坐标：

   float box_center_x = anchor_x + dx_sigmoid * anchor_w;
   float box_center_y = anchor_y + dy_sigmoid * anchor_h;
   

3. 对w, h应用指数函数，得到真实宽高：

   float box_w = anchor_w * exp(w);
   float box_h = anchor_h * exp(h);
   

4. 映射到原始图像尺寸 #

假设模型输入图像尺寸为input_w × input_h，原始图像尺寸为orig_w × orig_h：

• 先将特征图上的bbox转换为输入图像坐标：
  计算特征图与输入图像的缩放比例scale_w = input_w / feature_map_total_width，scale_h = input_h / feature_map_total_height（该比例可从锚点生成逻辑中推导）

  float input_center_x = box_center_x * scale_w;
  float input_center_y = box_center_y * scale_h;
  float input_box_w = box_w * scale_w;
  float input_box_h = box_h * scale_h;
  

• 再将输入图像的bbox映射到原始图像（若输入图像是从原始图像缩放得到）：

  float scale_orig_w = (float)orig_w / input_w;
  float scale_orig_h = (float)orig_h / input_h;
  float orig_center_x = input_center_x * scale_orig_w;
  float orig_center_y = input_center_y * scale_orig_h;
  float orig_box_w = input_box_w * scale_orig_w;
  float orig_box_h = input_box_h * scale_orig_h;
  

5. 计算bbox的四角坐标 #

通过中心坐标和宽高推导左上角、右下角坐标：

float x1 = orig_center_x - orig_box_w / 2.0f;
float y1 = orig_center_y - orig_box_h / 2.0f;
float x2 = orig_center_x + orig_box_w / 2.0f;
float y2 = orig_center_y + orig_box_h / 2.0f;

6. 非极大值抑制（NMS） #

多个锚点可能检测到同一手掌，需用NMS去除重叠bbox：

• 计算有效bbox之间的IOU（交并比）
• 保留IOU低于阈值（建议0.3）的最高置信度bbox

内容的提问来源于stack exchange，提问作者M.Akyuzlu