【目标检测系列：七】Cascade R-CNN: High Quality Object Detection and Instance Segmentation

2018 CVPR

Cascade R-CNN: Delving Into High Quality Object Detection
Cascade R-CNN: High Quality Object Detection and Instance Segmentation

---

Introduce

检测=分类+定位

• 确定正样本的过程普遍的做法是：计算anchor box与ground truth 之间的IOU，大于某一个阈值(一般是0.5)就认为这是一个正样本。
  阈值低导致 有很多重复的没用的框，可以称为噪声

那检测中的IoU阈值选取高可以吗？

• 越容易得到高质量的样本

• 但是一味选取高阈值会引发两个问题,导致训练出的 detector 效果下降[1]
  

  • 样本减少,引发过拟合 (训练样本通过RPN产⽣的RP与标注所对⽐的IoU直⽅图，当IoU增加时，正样本呈指数级下降。The red numbers are the positive percentage higher than the corresponding IoU threshold.)[1]
    
  • 在train和inference 使用不一样的阈值 ，导致mismatch
    即保持训练的阈值较低，只在测试时使⽤⾼阈值，detector得到的结果是次优的，称为inference-time mismatch.[1]

• 发现 ：①在测试时使⽤更⼤阈值是次优的，即detector的AP会下降（红线）；
  ②低阈值训练的detector对低IoU样本上提升好，⾼阈值detector对⾼IoU样本提升好。

如何在阈值适中的情况下训练出效果最好 的detector呢？

• detector对IoU接近阈值的bbox效果最好，在阈值为0.7时，若输⼊的bbox也为0.7时提升最⼤[1]
  
• 在⼀个⽹络中进⾏⼀次cascade结构（串⾏使⽤多个不同阈值的detector）⽐Iterative BBox（串⾏使⽤同⼀个detector）效果好很多，且不会把⾼IoU的bbox回归到低IoU的位置。[1]
  如下图所示，input IOU 0.55下 分别使⽤蓝⾊、绿⾊、红⾊的detector⽐使⽤三次蓝⾊detector效果好[1]
  

Cascade RCNN

1个RPN+3个检测器(阈值设定分别为0.5/0.6/0.7)

• （b）Iterative BBox at inference
  三个head部分相同（H1,H1,H1）
  针对某一个IOU阈值，比如 0.5，是最优化的，但是当inference时，真正的IOU大于 0.5 以后他是次优化suboptimal 的。
  级联之后，相同的head对于后面的结构来说是次优化的suboptimal 。[2]

• （c）Integral Loss

  不同IOU阈值的分布是不均衡的， 所以 损失是不均衡的[2]
  

• （d）Cascade RCNN
  
  cascaded regression不断改变了proposal的分布，并且通过调整阈值的方式重采样
  cascaded在train和inference时都会使用，并没有偏差问题
  cascaded重采样后的每个检测器，都对重采样后的样本是最优的，没有mismatch问题[3]

  迭代边界框回归
  

Cascade Mask RCNN

最流行的实例分割方法可以说是 Mask R-CNN ，以及它的改进算法 PANet 、Mask Scoring RCNN 等
通过添加类似于Mask R-CNN的分段分支，将Cascade R-CNN架构扩展到实例分段任务。

Cascade R-CNN具有多个检测分支。这提出了以下问题：
1）添加 分割分支 的位置
考虑了三种 mask 预测策略，在级联R-CNN的第一级或最后一级添加了单个 mask预测head （b）、（c）
2）要添加的 分割分支
为每个级联阶段添加了一个 分割分支（d），最大化了用于学习 mask 预测任务的样本的多样性

实验表明，Cascade Mask R-CNN的这些架构优于Mask R-CNN。

EXPERIMENTAL RESULTS

Pytorch

https://github.com/guoruoqian/cascade-rcnn_Pytorch
https://github.com/leowangzi/CascadeRCNN

References

[1] http://www.mclover.cn/blog/index.php/archives/247.html
[2] https://arleyzhang.github.io/articles/1c9cf9be/
[3] https://blog.csdn.net/qq_21949357/article/details/80046867
https://blog.csdn.net/qq_21949357/article/details/80046867
https://blog.csdn.net/qq_41375609/article/details/97888934 (最新版论文目前能找到的一篇翻译）