Cascade Rcnn 的简单理解

接触到Cascade Rcnn 是因为学习别人的一个比赛时看到的，处于好奇，就很想知道这个Cascade Rcnn是一个啥。

论文地址：https://arxiv.org/abs/1712.00726

原理可以用论文中的这个图片来说明：

 Figure 3. The architectures of different frameworks. “I” is input image, “conv” backbone convolutions, “pool” region-wise feature extraction, “H” network head, “B” bounding box, and “C” classification. “B0” is proposals in all architecutes.

图中：I 是输入的图像，conv是卷积（就是backbone），pool 可以理解为ROI Pooling，H 是检测头，就是进行预测（进行预测类别和位置），B 预测的坐标，C 是预测的类别，B0 就是RPN网络推荐的rois。

        一般网络把检测头的结果作为最终结果，但是Cascade Rcnn 他有点区别，他有三个检测头，这三个检测头是串联在一起的，也就是说，后一个检测头的输入是前一个检测头的输出，是依赖关系。这种检测头依赖就称为：级联。每个检测头的区别是里面的IOU阈值设定，第一个检测头的阈值最低，最后一个最高。第一个检测头回归的位置其实不是很准，但是通过第二个检测头的修正，即regression，就比第一个要准，再经过第三个，就更准了。（为啥三个，作者是通过实验发现三个最好）

        而且每个检测头所使用的正负样本量都一样，理论上说（论文中说的），IOU越大，正样本越少，第三个检测头的正样本量是少于第一个的。但是通过级联，这种问题不会产生，比如第一个检测头正样本量是100，那么，经过第一个检测头也regression到100个正样本量，而且regression的位置要比没有regression的位置要好，就是更接近Ground Truth，从而与Ground Truth的IOU阈值也大，这样把这regression后的100正样本量送入到第二个检测头，后面就是同理操作。

以下是操作流程：

1.输入图片经过backbone得到 feature map，这里记为 org f
2.把得到的 feature map 送入到两个分支，一个是输入到RPN网络，经过RPN网络的预测得到图中的B0，这个B0其实就是rois，就是在 feature map 上的一些特征的坐标。还有一个输入到图中的 Pool 网络
3.对得到的 B0 在 feature map 中进行提取相应位置的特征，然后送入到 Pool 中，进行ROI Pooling，这样就得到固定宽高的 局部 feature map （这个feature map是backbone输出的feature map上的局部部分），注意这里是指宽高，不是指channel。
4.把局部 feature map输入到 H1 中，进行分类和回归就得到C1和B1，注意，训练的时候是需要用到IOU的，H1的IOU假设为0.5。
5.接着根据B1的坐标，在 org f 上进行提取局部特征，然后把提取的局部特征输入到H2，同理，H2中的IOU是比H1中的IOU要大的，假设为0.6。这样通过H2得到C2和B2。
6.根据B2的坐标，在 org f上进行提取局部特征，提取到的特征输入到H3，H3中的IOU是最大的，假设为0.7，这样通过H3得到 C3和B3。
7.把C3和B3作为最终的结果。

理论上说，cascade rcnn 的原理还是很简单的，但是我很好奇它是怎么实现的，这个过程花费了我好久的时间，网上的一些开源代码都是基于torch1.0开发的，后来终于找到一个写的蛮好的开源代码：

https://github.com/misads/easy_detection.git

这个中cascade是基于Faster rcnn来实现的，这里面又用到了 FPN，当时看到这里很懵，FPN 与 Faster rcnn 怎么关联，与 Cascade rcnn 又怎么关联，后来终于自己理解了，可以通过下面一幅图来进行说明，如下图：

 FPN的每一层结果都会给RPN，这里会涉及到一个方法 MultiScaleRoIAlign，就是把FPN的这些多尺度的feature map进行ROIAlign，这个方法讲解可以参考MultiScaleRoIAlign_shenjianhua005的专栏-CSDN博客，然后RPN会把结果给Cacade。

Cascade Rcnn参考:

1.这个视频把按照ascade的论文进行了讲解，讲解的还蛮好的，主要讲解的是框架

目标检测算法：Cascade RCNN | 视频讲解_哔哩哔哩_bilibili

2.这个是对应上面视频博主自己写的笔记：

目标检测算法：Cascade RCNN | 视频讲解 - 知乎

3.这个是视频博主认为写的比较好的一个cascade rcnn 讲解：

Cascade R-CNN 详细解读 - 知乎

4.保姆级 faster rcnn 源码逐行解读 （五）roi_head part1 - 知乎

5.捋一捋pytorch官方FasterRCNN代码 - 知乎