Cascade R-CNN 笔记

前言
1.本文重点是Cascade R-CNN的级联方式以及为何有效，尽量用较少篇幅表达清楚论文算法，其他一些不影响理解算法的东西不做赘述
2.博客主要是学习记录，为了更好理解和方便以后查看，当然如果能为别人提供帮助就更好了，如果有不对的地方请指正（论文中的链接是我经过大量搜索，个人认为讲解最清楚的参考）

论文链接
代码链接
论文翻译

创新点
用不同阈值的正负样本训练检测器并级联，提出Cascade R-CNN

问题引出
目标检测的正负样本划分是通过阈值（anchor与gt的iou）来界定的，阈值小训练的检测器不精确，阈值大正样本就少又导致网络容易过拟合，效果也不好，就像下图（d）所示，一般算法阈值都设为0.5，下图中（a）和（b）就是阈值分别为0.5和0.7时的检测效果