目标检测论文阅读 Cascade R-CNN: Delving into High Quality Object Detection

 目标检测论文阅读笔记

目标检测论文阅读 RCNN Rich feature hierarchies for accurate object detection and semantic segmentation-CSDN博客

目标检测论文阅读 SPPNet Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition-CSDN博客

目标检测论文阅读 Fast R-CNN-CSDN博客

目标检测论文阅读 Faster RCNN-CSDN博客

目标检测论文阅读 Cascade R-CNN: Delving into High Quality Object Detection-CSDN博客

目标检测论文阅读 Mask R-CNN-CSDN博客

目标检测论文阅读 YOLO You Only Look Once:Unified, Real-Time Object Detection-CSDN博客

---

Cascade R-CNN: Delving into High Quality Object Detection

论文定义几个名词：

      区域推荐的质量：区域推荐与gt的IOU高低

      检测器的质量：设置的IOU阈值u的高低

      假阳性：close false positives，close FP，像正样本但却是负样本的样本。IOU越高假阳性越少

研究目的 ：得到高质量的检测器，其输出包含尽可能少的假阳性

IOU选择

RCNN框架的两阶段目标检测，包含了边界框回归和分类两个任务，需要设置与gt的IOU阈值判断样本的正负，阈值通常取u=0.5---比较宽松。这会导致假阳性样本被判断为正样本，进而导致出现如下图所示的噪声边界框（大框套小框）

本文的工作就是首先生成某个IOU的一些列proposal（即文中所说的某一质量的一些列区域推荐）, 其后对和其IOU对应的detector进行训练

本文解决的重要思想是每一个单独的detector只对一个单独的IOU(原文称quality level)进行优化

论文该图分别展示了在IoU阈值为u = 0.5、0.6、0.7时训练的三个检测器的定位和检测性能：高IOU训练的检测器在输入高IOU样本时表现相对更好，反之亦然。证明高质量的检测需要探测器和它处理的假设之间有紧密的质量匹配

如图d所示，训练检测器时简单地采用更高的预设值u并不能提升检测准确性，反而可能降低，这是因为区域提案倾向生成低质量的建议，提升u会导致正样本数量指数下降，导致严重的的过拟合。

级联R-CNN是按顺序训练的，使用一个阶段的输出来训练下一个阶段，之所以这样做是因为观察到图c中回归输出总是高于输入，因此想到可以用这种方法提升IOU质量。

以这种方式训练时，一系列适应越来越高IOU的检测器可以克服过拟合问题，得到有效训练

几种与cascade RCNN相似的结构

“I”为输入图像，“conv”为骨干卷积，“pool”为区域特征提取，“H”为网络头，“B”为包围盒，“C”为分类。“B0”是所有体系结构中的建议。

      A：faster RCNN。区域推荐输入检测器，检测器输出分类和回归边框

      B：迭代边界框推理。检测器迭代的输入上一次检测器输出的边界框回归，通过这种方法提升边界框质量。但问题在于，迭代过程中建议质量不断提升，而迭代检测始终使用同一个检测器H1，由上面的曲线图可知，一个检测器对于不同质量的ROI并不始终是最优的；另外，训练时，迭代使用同样的检测器也意味着每次使用同样的损失函数，这也不是最佳选择。

      C：分类器集成。全部建议同时输入给多个不同质量的检测器。问题在于，没有解决高质量建议导致过拟合的问题；高质量检测器同样要接收低质量的检测做预测，反之亦然。

      D：Cascade RCNN。下一阶段的输入是上一阶段的输出，改变了不同阶段要处理的假设的分布。解决了高质量检测器过拟合的问题：初始区域建议倾向于低质量，但每次迭代回归都会提升建议质量，从而提升高质量建议的占比，避免过拟合（这一点B也可以）；高质量的检测器针对高质量的建议做了优化，可以更好的排除假阳性（这是B做不到的）