RCNN系列边界框回归损失函数

以上4个公式是RCNN论文附录C中的。
笔者一开始有点认不出这个公式是怎么来的，但是细想一下，也比较自然。
对于公式（1），如果改写成如下：

候选框x坐标+回归值=预测值，是不是更自然？
但就像神经网络中的各种normalization一样，如果能够保证dx稳定在-1到1之间，训练效果就会更好，因此就用这个归一化后的值乘以Pw，就变成公式（1）了
公式（2）同理
对于公式（3）和（4），原理类似：
1.实现尺度不敏感（Scale-Invariant）的回归
2.保证预测的宽高为正值