@
0. 论文链接
1. 概述
这是CVPR 2018的一篇文章，这篇文章也为我之前读R-CNN系列困扰的一个问题提供了一个解决方案：R-CNN在fine-tuning使用IOU threshold = 0.5来防止过拟合，而在分类阶段，使用softmax因为之前0.5的设定太过宽松(loose)，而导致精度下降较多，因此单独训练了一个新的SVM分类器并且更改了IOU阈值（文章中对这样做进行大量的实验对比以及证据十分有力），而在Fast R-CNN中我看到也是用的0.5作为阈值，却通过实验证明softmax比SVM要好一些， 在R-CNN系列的总结我也提了一些可能的原因。而这片文章正好解决大多数分类器的问题，IOU阈值的设定难题。
对于一个detector来说，如果IOU threshold太低，会学习到很多背景框，引入很多噪声，比如上图中a),可以发现很多噪声框。但如果IOU threshold太高则会导致两个问题：1.样本会以指数级的速度消失2.会在inference阶段出现detector最优的阈值与输入proposal的IOU值发生mismatch。这里解释一下为什么会mismatch：detector通常在proposal自身的IOU值与detector训练的IOU阈值较为接近的时候才会有更好的结果，如果一味的提高IOU阈值很容易出现mismatch导致性能很差，可以看下图关于RPN生成proposal的IOU值分布更好的理解一下（因为高IOU的proposal很少，大多数都是较低IOU的proposal）：
所以对于a single detector来说，很难抉择一个合适的IOU，无论高低都是有很大弊端的，这篇文章提出了一种级联检测器，他利用前一个检测器输出“a good data distribution“来作为下一个检测器的输入，同时相应的提高训练时的IOU阈值，使得IOU阈值与proposal的IOU值较为接近，这样训练3个检测器最后输出结果会好很多，在inference阶段使用同样的网络结构合理的提高了IOU的阈值而不会出现之前所说的问题。文章中通过大量的实验证明了这种网络结构的合理性。
2. 网络结构的合理性
这样网络设计是需要有几个事实支持的，之所以说是事实支持而不是理论支持，因为这些结论大多数通过大量实验验证出的结果，很难用理论严格的证明。
- 一个检测器通常只在一个小范围的IOU阈值内(a single quality level)性能最好，从之前图片中c)可以发现，在0.55-0.6的范围内阈值为0.5的detector性能最好，在0.6~0.75阈值为0.6的detector性能最佳，而到了0.75之后就是阈值为0.7的detector了，比IOU阈值过高过低的proposal都会导致检测器性能下降，因此保证检测器训练时的IOU阈值与输入proposal 的IOU相近是十分重要并且有必要的。
- 通过观察图c可以发现，几乎所有检测器输出的检测框的IOU都好于输入proposal的IOU（曲线几乎都在灰色对角线之上），因此这保证了我们通过一个检测器输出的检测框整体IOU相对输入的proposal的IOU都会提高，可以作为下一个使用更高IOU阈值训练检测器一个很好的数据输入。因此每个检测器输出的检测框质量都会变高，阈值的提高其实也相当于一个resample的过程，一些异常值也可以去掉，提高了模型的鲁棒性。
- 读到这里最大困惑就是，一直提高阈值，那正样本会不会减少，导致过拟合呢？ 作者通过详细的实验证明了每个阶段大于对应IOU阈值的proposal数量基本没有改变，甚至还有所提升，实验结果如下：
3. 网络结构
网络结构其实真的比较简单，文章中也列举了其他3种结构，但是一般人首先想到的确实是本文这种结构，其他结构反而更难想到一些，其他结构通过结构图也很容易理解，关于其他模型的优劣文中也有提到，比如BBox 迭代训练2次以上几乎是没有作用的，这些原因我们通过文章几个实验结论以及结构图都是可以发现的，在此不多赘述，结构如下图：
检测器文中使用了Faster R-CNN， R-FCN， FPN，具体实验细节与结果也不再赘述。
4. 参考链接
Cascade RCNN算法笔记
Cascade R-CNN 详细解读
目标检测论文阅读：Cascade R-CNN: Delving into High Quality Object Detection