[3] Cascade R-CNN: Delving into High Quality Object Detection【Object Detection番外】

Cascade R-CNN: Delving into High Quality Object Detection【Object Detection番外】

0. 摘要

总结目标检测模型的典型问题，训练中使用小的IOU阈值会产生大量的噪声，使用大的IOU阈值则会导致模型性能大幅下降。两个原因：

（1）指数级丢失正样本导致模型过拟合（大IOU阈值）
（2）propose的IOU阈值与prediction detector的阈值不一致（搭配不一致，并不是值相等）导致性能下降
对以上两点，知乎有作者给出了较为详细的解释：
https://zhuanlan.zhihu.com/p/160815386

由此提出多阶段检测器Cascade R-CNN，使用序列detectors，训练使用递增的IOU阈值。所有detectors使用相同的证样本集合，减少了过拟合；推理使用级联检测器，增加假设和每个阶段的检测器质量的匹配性。

1. 介绍

通过实验介绍propose IOU阈值和detector IOU阈值对目标检测的影响，不同阈值对模型欠拟合与过拟合都有较大的影响。
介绍本文提出的级联模型，通过调整bounding box（设置不同的IOU阈值），训练每个阶段，使得每个阶段都学出一个良好的闭负样本集，用于训练下一个阶段。最终级联的检测器同时可以避免过拟合，其性能也优于其他检测器。

2. 相关工作

两阶段目标检测：R-CNN、Fast RCNN、SPP-Net、Faster R-CNN(RPN)、R-FCN、MS-CNN、RetinaNet
一阶段目标检测：YOLO、SSD
多阶段目标检测：CRAFT、AttractioNet

3. 目标检测

目标检测构成最终结果的两个方面：检测框和分类类别。前人针对这两个方面的改进可以进行概括：
框回归
Fast RCNN对与目标框的回归损失函数，detection只使用1个输出头H1：

改进成迭代的BBox回归，detection使用相同的输出头H1（分类和回归）：


存在两个问题：
（1）所有头使用同一个IOU的时候，还是避免不了IOU大小对结果的影响：小则产生噪声，大则过拟合
（2）每次训练迭代后bounding box的分布都会有明显的变化，位于序列靠后的H1对靠前H1的输出$B_i$不敏感，非优解，相当于每次都重新训练靠后的H1。
分类
使用交叉熵损失：

检测质量
IOU阈值的设置对检测模型的拟合程度具有较大的影响：阈值越大，训练中更趋向于选取前景较多背景较少的正样本作为训练样本，模型无法学习更多的正样本特征，形成过拟合；阈值越小，则容易产生大量噪声，模型更难排除负样本。

一个解决方式如下：

集合不同IOU阈值，做一个由不同阈值分支构成的损失函数：

这种模型存在的一个问题是，使用较大阈值训练出来的H3对简单正样本产生过拟合，在推理阶段对困难样本不敏感（训练过程中没有学习到困难样本的低质量特征），会对最终网络的输出造成较大的影响。

4. Cascade R-CNN

级联回归与分类模型Cascade R-CNN。

Cascade 框回归 框回归的级联设计为：

与迭代的BBOX的不同之处在于：
（1）迭代的BBOX类似于后处理，用于提高框的准确性；Cascade R-CNN则在每个stage重采样训练数据，改变了每个stage的数据分布（泛化能力强）
（2）训练与推理保持一致
（3）多样的回归器 { f T , F T − 1 , . . . , f 1 } \{f_T,F_{T-1},...,f_1\} {fT​,FT−1​,...,f1​}，不需要过多的人工干预

Cascade 检测
stage $t$的损失，即分类损失加框损失。这里框损失只要正确分类的框的损失值。