目标检测“Cascade R-CNN: Delving into High Quality Object Detection”

目前的目标检测器主要使用IOU=0.5定义正负样本，这通常会产生很多接近负样本的检测结果。但检测性能又会随着IOU的提高而下降，主要是由于：1)IOU提高，正样本数量减少，出现训练过拟合；2）检测器最优时IOU与输入假设时inference-time不匹配。论文提出Cascade RCNN解决这个问题，包含多级检测器使用上升的IOU训练。

IOU=0.5训练，会生成较多的噪声框，如fig1(a)所示，论文的目标是生成高质量的检测框，如图1(b)所示。作者使用了定位和检测性能衡量检测器的指标。定位性能是输入proposal的IOU的函数，检测性能是IOU阈值的函数。如图1(c)所示，每个box回归器在IOU接近训练的IOU时效果最好，而图1(d)显示，对于IOU阈值低时，u=0.5的检测器比u=0.6效果好，IOU阈值高时相反。实际上，检测器只有在高质量的proposal时才有较高质量的检测结果。但是，仅在训练时提升proposal的IOU是起反作用的，大的IOU对应较少的训练正样本，易导致过拟合。

论文提出的Cascade RCNN解决上述问题，它使用上一阶段的输出训练下一阶段。从图1(c)观察，输入一些样本到回归器，通常可以得到IOU更高的输出。经过一阶段的训练，正样本的IOU会更高，可以用于下一阶段的迅雷，且不会造成样本不均的问题。这类似于bootstrapping，但与其进行困难负样本挖掘不同的是，Cascade RCNN旨在调整正样本的bbox，找到近似负样本的正样本用于下一阶段的训练。

**其他目标检测方法**

1.两步法

Faster RCNN，R-FCN，FPN，MS-CNN

2.单步法

Yolo，SSD，RetinaNet(Focal Loss)

3.多步法

AttractioNet

**目标检测**

以Faster RCNN为例，第一步是生成proposal的网络，第二步使用ROI检测子网络精修，最终分配给每个假设一个类别和一个bbox。

1.bbox回归

最小化L2 损失函数：

为使得回归对尺度和位置不变，Lloc通常在偏置向量上执行，即：

还有一些方法使用多步回归精修bbox，称为迭代bbox回归：

但实际上，由于bbox分布的变化，两次以上的回归不再有效。

2.分类损失：

3.integral loss

为使检测器在每个IOU级表现差不多，对每个级别的IOU优化一个损失，并组合：

这种损失函数忽略了不同级别具有不同正样本的问题，高质量的检测器就易过拟合。Cascade CNN就解决了不同IOU级别样本过少的问题：

 

Cascade RCNN的损失函数在t步为：

其中

 

Faster RCNN，Iterative BBox，integral loss，Cascade RCNN的结构分别如下图所示：

实验结果