Cascade R-CNN模型总结
论文名称：Cascade R-CNN: Delving into High Quality Object Detection
论文地址：传送门
Introduction
众所周知，在目标检测中IoU的阈值越高，则样本质量就越好，但是一味的提升阈值会引发两个问题：
- 样本过少引起过拟合
- 在train和inference时使用不同的阈值会导致mismatch
因此作者提出了一种multi-stage的网络，不断地提高阈值，在保证样本数量的情况下训练出高质量的检测器。
本文的出发点引人思考：在现阶段常用的两阶段目标检测任务当中，通常使用IoU（intersection over union）阈值来确定那些proposal是positive，哪些是negative，一般情况下，这个阈值$u=0.5$，然而0.5的阈值一定合适吗？很多情况下，即使阈值大于0.5，仍然会有很多close false positives，这就导致模型预测出很多噪声bounding box。
如上图所示，$©$和$(d)$分别为不同IoU阈值$u \in {0.5,0.6,0.7}$的情况下，localization和detection perfoemance的情况。如$©$表示不同IoU阈值下，输入proposal的IoU与输出的IoU之间的关系，可以看出，在输入输出IoU相近的情况下，有较好的效果；同时只有当proposal有较高质量时，detector才有较好的表现。
作者还列举了一些相关的工作，如上图所示，$H_i$表示卷积，而$C$表示表示分类，$B$表示回归。对于Faster R-CNN，其使用RPN进行提取ROI，然后进行识别和回归；对于Iterative BBox则是通过三个级联的方式，但其三个阶段的阈值是相同的；对于Intergral Loss其设置三个不同的阈值，但各个部分是单独检测的，额米有利用到前面高质量的proposal。其实吧，作者仅仅是在$(b)$的基础上改动了下阈值，但是作者对这种改变做出了深刻的分析。
如上图所示，作者发现，在cascade r-cnn当中，经过不同stage的训练，IoU的质量确实有显著的提升，越靠后，其质量越高；同时我们在前面讲过，对于某一质量的IoU，经过网络之后其质量必然会有所提升，因此经过三个阶段的训练，可以得到高质量的detector。
经过对比，cascade R-CNN精度有了很大的提升，但是在速度上并没有慢多少。
Summary
其实本文最核心的思想就是：作者发现高质量的proposal可以产生更高质量的bounding box，同时还存在mismatch问题，因此将多个r-cnn连接起来，并且设置不同的阈值，将产生更高质量的detector。
Reference
本博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议 ，转载请注明出处！