Cascade R-CNN（CVPR2018）

作者：蔡兆伟（文章最后致谢了何凯明的参与）

论文：https://arxiv.org/abs/1712.00726
github：https://github.com/zhaoweicai/cascade-rcnn

推荐解析：
- 简介1：https://zhuanlan.zhihu.com/p/42553957
- 简介2：https://blog.csdn.net/u014380165/article/details/80602027
- 详细：https://zhuanlan.zhihu.com/p/45036212

Cascade R-CNN是针对R-CNN系列的two-stage结构，针对“IOU阈值设计”带来的问题而设计的解决方案。在类R-CNN框架中，IOU阈值通常设为0.5，不过这种较低的阈值会为检测带来大量噪声。而若直接提高该阈值，则会造成“（traing time）正样本减少导致过拟合”、“（inference time）预测框和检测器的质量不匹配（mismatch）”等问题（Figure 1）。

（ps）这里所说的“质量”：预测框的质量指其和groundtruth的IOU、检测器的质量指其IOU阈值。

尤其是，作者通过实验发现：低IOU阈值只适用于低质量的proposals而对准确度高的检测框不友好；预测框和检测器质量匹配时才能产生更好的检测结果。另外，检测器的回归操作一般会提高预测框与groundtruth的IOU（Figure 1©）。

所以，作者的思路是，设计一个检测器级联结构，下一个检测器使用上一个的bbox结果，并且调高IOU阈值。这样的理由是，预测框每经过一级检测器，其与groundtruth的IOU都会有所提升，将这种高质量检测框作为输入，并使用更高的IOU阈值，可以实现“预测框与检测器质量的匹配”。

因此，Cascade结构的设计，既通过提高IOU阈值提升了模型“辨别close FP”的能力，又避免了overfitting和mismatch的问题，获得了不俗的效果（对比Mask R-CNN也优势明显）。

总结来说，虽然关于IOU阈值设计策略早已有人做过研究，但是本文作者通过实验找到了一个绝妙的切入点，并有较好的可解释性。并且，Cascade R-CNN可以应用到任何基于R-CNN框架的two-stage检测器上。如今CV+DL领域还很年轻，即使是检测领域，也许还有很多很多切入点，本文作者这种“基于现象与实验发现问题+基于合理假设解决问题+基于实验验证假设”的思路，值得我们初学者借鉴。