Cascade R-CNN：Delving into HIgh Quality Object Detection

本篇是2018CVPR收录的关于物体检测的文章，作者仔细分析目前物体检测框架中Iou阈值的选取对于物体定位精度和整体训练的影响。

Iou阈值直接影响训练阶段正负样本的划分，threshold太高，如0.7，正样本的质量越高，但是正样本的数量会急剧减少，加剧正负样本的不平衡，训练容易过拟合；threshold太低，如0.5，正样本的数量会增加，但是正样本的质量下降，容易产生false positive。具体影响如下图所示：

(c)图横轴是输入的proposal的IoU，纵轴是经过bbox reg之后的bbox和ground-truth的IoU。可以看到，低IoU threshold对于低IoU的样本有更好的改善，但是对于高IoU的样本就不如高threshold的有用，即一个固定的IoU阈值只能对同等大小的输入IoU回归效果明显。原因在于不同threshold下样本的分布会不一致，也就导致同一个threshold很难对所有样本都有效。(d)图则表明网络的的检测效果并不随Iou阈值的变化单调地变化。

但是通过(c)图可以发现，选取不同阈值，回归过后的Iou基本上都能有所上升。因此作者提出的级联式的框架，将上一步inference得到的bbox采用更高的Iou阈值在进行训练。如下图(d)所示：

（d）展示的就是本文Cascade R-CNN的基本框架；(a)就是经典的Faster R-CNN框架，也是本文的baseline；（b）结构上和Cascade R-CNN非常相似，区别在于只在测试时采用级联结构对Box多次回归，因此ROI检测网络部分“H1”结构是相同的，也即训练时还是采用的单一的IoU阈值；（c）则是在ROI检测网络部分并联多个检测器，并没有对位置进行迭代更新。

最终作者选用的级联结构共有4个stages， IoU阈值分别设定为递进的0.5/0.6/0.7，大于该阈值的选为正样本，其余均为负样本，进行训练。并实验证明了过多的stage是没必要的，其中第2个stage的提升最为明显。