(a)中u=0.5是常用的正负样本界定值,但当u取0.5时会出现较多的误检。因为该阈值会使正负样本中有较多的背景。
(b)中用0.7的阈值会减小误检,但正样本的数量会呈指数级的减少,出现过拟合的现象。
(c)和(d)中的曲线是用来表示不听IOU阈值下的定位性能和检测性能,从C中可以看出,当检测模型采用某个阈值来界定正负样本时,当输入proposal的IOU阈值在这个值附近时,该检测模型比其他阈值训练的检测模型效果好。从D中可以看出来一味地使用较大的阈值来训练检测模型可以看出检测效果在下降,容易出现过拟合。
cascade r-cnn是由一系列的检测模型组成,每个检测模型都是根据不同的IOU阈值的正负样本训练得到,前一个检测模型的输出作为后一个检测模型的输入,因此是stage by stage的训练方式,而且越往后的检测模型的IOU阈值是不断上升的。
cascade r-cnn
最新推荐文章于 2021-10-28 16:32:40 发布