两阶段检测算法改进模型Cascade-RCNN与Libra-RCNN

两阶段检测算法改进模型

---

一、Cascade-RCNN

文章首先分析了IOU在RCNN模型中使用位置
.

.

.
之后分析了不用阈值在不同的RoI阶段发挥作用。在前期RoI质量较低时，设置较低的阈值；后期设置较高的阈值，效果最好。（图中分了三阶段，可用三个RoI检测器级联）
.

可采用并联与串联形式，最终采用了模型1.
.

.
.
最后请看效果。
.

二、Libra-RCNN

主要分析了三个方面不均衡问题：

.
.
.
.
首先对特征图融合方式进行改进，1.都采样至P4分辨率大小，2.后接Non-local操作进行增强（refine）3.将得到特征图再融合到不同的level进行输出。
.

.
.
.
.其次，改进正负样本选取方式。
.

.
.
.
.
.
.
最后，针对难易样本的不同权重，改进了loss function（类似于focal Loss）
.

.
.

.
.
请看改进效果。

三、服务器端模型优化策略

基线：

ResNet50 vd + FPN + CasCade RCNN

四、移动端模型优化策略

基线：

MobileNet v3 + FPN + CasCade RCNN