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)
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