目标检测总结：Cascade RCNN

目标检测中通常用IOU来区分正例和负例，通常IOU取0.5，但通常0.5的IOU阈值会带来大量的噪声，这里的噪声指的是false positive。但是如果增加阈值的选取，检测器的性能并没有提升反而有所下降，其原因在于：1样本减少引起的过拟合，2 train和inference时的阈值不一致带来的mismatch。为了解决iou的问题，作者提出了malti-stage训练的Cascade RCNN算法。

IOU对目标检测的影响

在监测问题中，通常是通过IOU来来判断样本的正负及分类。因此IOU的选取的检测的精度有很大的影响，作者做了几个实验在论证IOU对检测的影响，实验结果如上图所示。

首先，较低的IOU会产生很多的噪声（FP），如figure1（a）所示，当增大IOU的阈值时，噪声减少，如figure1（b）所示。这一点比较直观，很好理解，就是较高的IOU阈值对于噪声有抑制作用，使检测更精确。
另外，如figure1（c）所示，通常来说，经过boxreg之后，新的box的IOU会变得更高，说明detector是有效果的，使得box框更加的精确。另外从图中可以看出，0.55-0.6范围内阈值为0.5的detector性能最好，在0.6-0.75范围内阈值为0.6的detector性能最好，0.75以上的范围内阈值为0.7的detector性能最好。这说明了只有proposal自身的阈值和训练器训练的阈值较为接近的时候，训练器的性能才是最好的。如果两个阈值相隔较远，就是我们之前说的mismatch问题了。
因此，可以确认的是，单一阈值训练出的检测器效果一般，以最常见的0.5阈值为例，由于所有的大于0.5的proposal均被选中，那么对于iou大于0.6的proposal来说，0.5阈值的检测器并不是最优的，那如果把检测器的阈值调到0.7呢，从figure1（d）可以发现，提高阈值的方法并没有提升。原因就在于提升了阈值，样本减少，过拟合问题非常严重。

其他相关工作

作者比较了目前比较类似的相关工作，Figure3（a）的fasterRCNN比较好理解，figure3（b）的Iterative BBox是为了定位准确，采用了级联结构对box进行回归，使用的是完全相同的级联的结构，但是这样做是有问题的。1），单一阈值0.5无法对所有的proposal都有好的效果，如figure1（c）所示，proposal经过0.5阈值的detector之后IOU都在0.5以上了，再使用0.5的阈值有些欠妥。2），detector会改变原来样本的分布，再使用同样的结构也是不合理的。如下图figure2所示：经过1st-stage之后，proposal的分布已经发生很大的变化了，很多噪声经过box reg之后都提高了IOU，在2nd和3rd中那些红色点属于异常点（False Positive）了，如果不提高阈值来去除，就会引入大量的噪声干扰。这里可以看出，阈值的重新选取本质是一个Resample过程。

同时，作者通过实验证明，如figure（4）所示，提升阈值之后，proposal的数量并没有太大的变化。
另外figure3（c）中的Integral Loss实际上没有级联的结构，知识使用了不同的阈值进行分类，然后将不同阈值的分类结果进行融合，但是从figure（4）的第一个图可以看出，当iou的阈值上升时，proposal的数量迅速下降，这种方法没有从根本上解决问题。

Cascade RCNN

如figure2（d）所示，cascade RCNN采用的是级联的结果，但是他的创新点在于：

1. 由于box reg改变了proposal的分布，Cascade RCNN通过调整阈值的方式进行重采样。
2. Cascade的级联结构在train和inference的时候均使用，并没有mismatch问题。
3. 级联的检测器对于重采样的proposal是最优的。

论文中实验给出的结构包含1个RPN和3个检测器，其中检测器的阈值设定为0.5/0.6/0.7.
论文中实验的对比效果提升还是很明显的，相比如之前的算法提升不少。
Detection其实并不是一个很合适的分类问题，没有一个明确的离散的正负样本的定义，而是通过IoU来连续定义的。但是IoU这个指标很难通过gradient descent来优化，虽然之前也有一些IoU loss的工作，但是效果并不理想。Cascade RCNN便是一个在这个方向上很好的尝试。