論文連結
CVPR2018的文章。和BPN一樣，本文主要關注的是目標檢測中IoU的閾值選取問題，但是BPN主要針對的是SSD等single-stage的detector，感興趣的童鞋可以看我的另一篇博文BPN
目標檢測中，detector經常是用低IoU閾值來train的，如果提高IoU閾值，則會導致兩個問題：
（1）IoU提高以後，訓練中positive samples的數量會指數級減少，從而導致過擬合。
（2）預測和訓練用不同閾值，會導致不匹配。

問題發現

可以看到，圖a中低閾值的IoU訓出的detector會有很多close false positives，設想如果IoU閾值設為剛好0.5，那麼在0.5附近就會有很多的close false positives，我們就很難讓檢測器reject這些close false positives。

同時，在c中可以得出一個結論，一個檢測器只能在某一quality level上最優。quality level用detector的IoU設定閾值來確定。同時在d圖中可以看到，u=0.5在low IoU樣本表現得最好，但是在高IoU level時就比不過u=0.6了。所以總的來說，a detector optimized at a single IoU level is not necessarily optimal at other levels。
同時，直接用大閾值來訓練檢測器不一定會提高效果，可以看到d圖中u=0.7的時候，它會降低performance，AP只有0.319。這其中很大的一部分原因就是：和low quality的detector相比，hypotheses的分佈會改變，原因和上面提到的問題1類似。

目標檢測

iterative BBox

論文中闡述了一下bounding box的迴歸方程，在這裡就貼一下：
這個L_loc在R-CNN中用的時L2 loss，在fast-rcnn中就改成了smooth L1 loss了。
然後L_loc用來對距離向量進行操作：

但是和classificatoin相比， 這個bounding box迴歸的梯度往往小於它，所以很多工作提出了單次迴歸對於精確的定位來說根本不夠，所以就提出了多次迴歸的方法，


但是，它忽略的兩個問題：

1. u=0.5的迴歸器對於更好的hypothese來說不是最優的，所以對於u≥0.85的bounding box來說，會降低它的效果。
2. 在圖2中，每次iteration之後，bounding box的分佈會顯著地改變，所以迴歸器如果對於初始分佈最優，那它對於其他分佈可能不是最優。
   

integral loss

只是單純地多次分類提高分類精度，每次分類針對的IoU閾值變高，但是這樣對定位毫無幫助，並且容易過擬合。

Cascade R-CNN

級聯R-CNN，總的來說就是多次迴歸，但是每次迴歸的迴歸器都是不一樣的，所用的閾值不斷提高，同時迴歸器訓練時也是用提高的閾值訓練的（和iterative BBox不同）

T時級聯的總數。
級聯R-CNN和iterative BBox的不同：

1. 首先，iterative BBox時後處理過程，用了改善bounding box，但是級聯迴歸是一個重取樣過程，它會改變預測值的分佈。
2. 其次，因為它在訓練和預測中都有使用，所以不會導致預測和訓練分佈的不同
3. 各個迴歸器都在其stage上是最優的，因為不同stage的分佈都重取樣了。這在圖4中也有體現
   

loss

b^t是上個stage迴歸後的bounding box。值得注意的是，有幾個stage就有幾個loss，t指的是stage的級數。

實驗

本文選擇的三個stage是{0.5，0.6，0.7}。本文實驗了三個baseline，faster rcnn（VGG），R-FCN和FPN。

Quality mismatch

圖5（a）中，三條實線是用不同閾值訓練的單一的檢測器，可以看出u=0.5在低IoU閾值表現得好，在高IoU閾值比不過u=0.6. 然後我們為了理解這是怎麼發生的，在b中我們加入了一些ground truth bounding boxes。 可以看到，u=0.7有了很大的提高。所以說，高閾值的檢測器所需的樣本必須匹配quality。虛線表示用cascade裡面的proposals代替原樣本，可以發現檢測器得到了很好的提高。

和iterative BBox和integral loss的比較

雖然都超過了baseline，但是cascade r-cnn的提升還是大了很多。

圖7（a）是和iterative BBox定位的比較，可以看出單一回歸器的使用會降低高IoU的hypotheses，這個影響在iterative BBox中會累計，但是cascade中later stages的表現在all levels都比BBox好。
圖7（b）則是integral loss的分類AP，u=0.6在all IoU表現得最好，u=0.7最差，融合也沒效果。

消融實驗

（這裡有個小小的疑問，Table 標號不應該放在表的上方嗎）

和state-of-the-art的比較