cascade R-CNN

级联R-CNN出现原因

论文链接：https://arxiv.org/abs/1712.00726
上文针对目标检测中IOU阈值选取问题。一味增大阈值，使得样本减少。容易导致过拟合。且train和inference阶段的阈值不同导致更严重的mismatch.
回顾faster R-CNN：
train阶段：将整张图片喂入conv-relu-pooling得到整各特征图,再RPN选取2000个proposals,通过softmax判断锚点(anchors (目标框))判断是否为前景(是否有物体)，边界框回归筛选精确proposals，proposals（128个）被送入到Roi Pooling，提取目标区域的特征图，最后进行类别分类和box回归（判断是什么物体）
softmax 一次性分类多个物体。等价于多个SVM

inference阶段：RPN选取300左右proposals，送入fast R-CNN,和train阶段不同的是：无法确定gt,导致无法筛选proposals,全部送入Roi-Pooling
IoU:指真实框和预测框的关联度。由proposal和gt确定IOU。
inference：指test阶段或者predict阶段。
mismatch :training阶段的输入proposals质量更高(被采样过，IoU>threshold)，inference阶段的输入proposals质量相对较差.导致最后性能很差。

解决方法

核心就是利用不断提高的阈值，在保证正例样本数不减少的情况下训练出高质量的检测器。IOU不断提高，性能提高，但达到一定值，继续升高时，性能就会下降(过拟合)
级联RCNN包括一系列IOU逐渐增大的检测器，并且是一步一步训练，上一个检测器的输出作为下一个检测器的输入，因为对一个检测器来说输出的IOU值会比输入的IOU更高。
加入一个多阶段检测子网络对RPN产生的proposal进行逐步的refine；(refine指样本的重采样)，三次网络，IoU=0.5\0.6\0.7 训练的时候不同的stage的输入数据分布已经是不同的了

结果

不断提高IOU，不断提高BBox的质量，且性能升高