[论文解读]ICCV2019|Cascade RetinaNet: Maintaining Consistency for Single-Stage Object Detection

题目：Cascade RetinaNet:Maintaining Consistency for Single-Stage Object Detection
作者：HongKai Zhang; Hong Chang;BingPeng Ma等

Motivation:
作者认为RetinaNet天真的直接将相同设置的多级串联在一起是没有多大收获，主要是类别的置信度和坐标之间的错误联系，以及不同Stage之间的FeatureMap的联系发生变化。因此，提出Cascade RetinaNet。我感觉就得是采用Cascade R-CNN的方法应用在Retina Net 上，再加了点自己的FCM网络。

Method：
作者同样用实验说明在不同Stage时，IOU与置信度设置之间的关系：

又说明了，原anchor box在修正后，与真实ground truth 之间的位置关系，来解释不同stage之间的Feature map 的不相关性。

因此，引入FCM网络 ，从而构建了Cascade RetinaNet

MFC网络的方法：

x 是feature map.
LOSS:
和常规的一样，对不同stage的置信度和位置的回归。


加入了$\lambda ,\alpha$默认设为1.

Experiment:
效果还是比单纯的retina net 不错，不多说直接上图。