@
0. 論文鏈接
1. 概述
這是CVPR 2018的一篇文章，這篇文章也為我之前讀R-CNN系列困擾的一個問題提供了一個解決方案：R-CNN在fine-tuning使用IOU threshold = 0.5來防止過擬合，而在分類階段，使用softmax因為之前0.5的設定太過寬松(loose)，而導致精度下降較多，因此單獨訓練了一個新的SVM分類器並且更改了IOU閾值（文章中對這樣做進行大量的實驗對比以及證據十分有力），而在Fast R-CNN中我看到也是用的0.5作為閾值，卻通過實驗證明softmax比SVM要好一些， 在R-CNN系列的總結我也提了一些可能的原因。而這片文章正好解決大多數分類器的問題，IOU閾值的設定難題。
對於一個detector來說，如果IOU threshold太低，會學習到很多背景框，引入很多噪聲，比如上圖中a),可以發現很多噪聲框。但如果IOU threshold太高則會導致兩個問題：1.樣本會以指數級的速度消失2.會在inference階段出現detector最優的閾值與輸入proposal的IOU值發生mismatch。這里解釋一下為什么會mismatch：detector通常在proposal自身的IOU值與detector訓練的IOU閾值較為接近的時候才會有更好的結果，如果一味的提高IOU閾值很容易出現mismatch導致性能很差，可以看下圖關於RPN生成proposal的IOU值分布更好的理解一下（因為高IOU的proposal很少，大多數都是較低IOU的proposal）：
所以對於a single detector來說，很難抉擇一個合適的IOU，無論高低都是有很大弊端的，這篇文章提出了一種級聯檢測器，他利用前一個檢測器輸出“a good data distribution“來作為下一個檢測器的輸入，同時相應的提高訓練時的IOU閾值，使得IOU閾值與proposal的IOU值較為接近，這樣訓練3個檢測器最后輸出結果會好很多，在inference階段使用同樣的網絡結構合理的提高了IOU的閾值而不會出現之前所說的問題。文章中通過大量的實驗證明了這種網絡結構的合理性。
2. 網絡結構的合理性
這樣網絡設計是需要有幾個事實支持的，之所以說是事實支持而不是理論支持，因為這些結論大多數通過大量實驗驗證出的結果，很難用理論嚴格的證明。
- 一個檢測器通常只在一個小范圍的IOU閾值內(a single quality level)性能最好，從之前圖片中c)可以發現，在0.55-0.6的范圍內閾值為0.5的detector性能最好，在0.6~0.75閾值為0.6的detector性能最佳，而到了0.75之后就是閾值為0.7的detector了，比IOU閾值過高過低的proposal都會導致檢測器性能下降，因此保證檢測器訓練時的IOU閾值與輸入proposal 的IOU相近是十分重要並且有必要的。
- 通過觀察圖c可以發現，幾乎所有檢測器輸出的檢測框的IOU都好於輸入proposal的IOU（曲線幾乎都在灰色對角線之上），因此這保證了我們通過一個檢測器輸出的檢測框整體IOU相對輸入的proposal的IOU都會提高，可以作為下一個使用更高IOU閾值訓練檢測器一個很好的數據輸入。因此每個檢測器輸出的檢測框質量都會變高，閾值的提高其實也相當於一個resample的過程，一些異常值也可以去掉，提高了模型的魯棒性。
- 讀到這里最大困惑就是，一直提高閾值，那正樣本會不會減少，導致過擬合呢？ 作者通過詳細的實驗證明了每個階段大於對應IOU閾值的proposal數量基本沒有改變，甚至還有所提升，實驗結果如下：
3. 網絡結構
網絡結構其實真的比較簡單，文章中也列舉了其他3種結構，但是一般人首先想到的確實是本文這種結構，其他結構反而更難想到一些，其他結構通過結構圖也很容易理解，關於其他模型的優劣文中也有提到，比如BBox 迭代訓練2次以上幾乎是沒有作用的，這些原因我們通過文章幾個實驗結論以及結構圖都是可以發現的，在此不多贅述，結構如下圖：
檢測器文中使用了Faster R-CNN， R-FCN， FPN，具體實驗細節與結果也不再贅述。
4. 參考鏈接
Cascade RCNN算法筆記
Cascade R-CNN 詳細解讀
目標檢測論文閱讀：Cascade R-CNN: Delving into High Quality Object Detection