two-stage-anchor-based-faster-rcnn进阶 Cascade R-CNN: Delving into High Quality Object Detection

cascade rcnn：是基于faster rcnn的一种改进，我的理解是这个算法更趋近于stage by stage的算法，利用不同的IOU阈值选取，将多级目标检测器进行级联，进一步的优化检测结果，这个算法应该是各个比赛刷榜的主要算法了，不出意外是速度奇慢，但在two-stage里面，我觉得相当具有代表性。 

pytorch源代码：https://github.com/guoruoqian/cascade-rcnn_Pytorch

paper：https://arxiv.org/abs/1712.00726

简单回顾faster-rcn的两个阶段（此处图见知乎：https://zhuanlan.zhihu.com/p/42553957）：

文章提出的问题：

    1、IOU=0.5（此处IOU指的是正负样本的界定值）时会出现较多的误检，因为0.5时正样本会引入更多的背景

    2、但一味的提高iou并不一定是好事，阈值越小，对应的正样本就越少，样本数量不均衡越严重（本身faster-rnn就已经非常不对称），会造成严重的过拟合。

    3、更进一步的，使用不同的iou值进行训练会造成训练和推理时的一个mismatch问题，如何理解这个问题呢？如下图所示（图片来源见水印）