Cascade R-CNN: Delving into High Quality Object Detection:

參考連結：知乎傳送門        paper

亮點：設定不同的 IoU 閾值，bbox reg 的級聯。

positive(pos)   negative(neg)

就是在得到proposals後，設定不同的 IoU 閾值。然後因為閾值不同了，那麼根據與閾值 值的大小關係被分成的 pos 和 neg 樣本數量就也不同了～

在不同的 stage 中設定依次增大的 IoU 閾值。並且這一層的輸入是上一層的 bbox reg 之後的結果( 即上一層的輸出，上圖紅框框出了...)。原因是：因為較小的 IoU 閾值“監控”下的那些 bbox 可能不是很準，即，其與對應 gt 的 IoU 值是蠻小的。在本輪的 stage refine 後，box 會變得更準，使得其與對應 gt 的 IoU 值變大～這樣，把他們接著輸入到下一 stage，那麼它們可能也是可以通過更大 IoU 閾值的篩選，成為 pos 樣本的。這使得每一 stage 的 pos 樣本數基本可以保證足夠(不會因為 IoU 閾值的增大而減少很多...)  這就防止過擬合了。(因為每個 stage 中的樣本都很豐富，尤其 pos 樣本～)

文章主要是在 IoU 閾值上尋求提升點，其實沒考慮 multi-scale 改善小目標檢測的效果～不過，paper最後提及了它們把 FPN 做為 baseline network。 emmm... 這就很強了，把兩個 object detector 提升點結合起來，得到最佳效果！

以上兩篇的 data augmentation 都沒什麼驚豔的操作～...

DetNet: A Backbone network for Object Detection   一個專門為 object detector 設計的基礎 backbone network。

參考連結：知乎傳送門

神奇的DetNet的主要亮點我認為是兩個：

1. dilate conv的引入，使得feature map的空間解析度和感受野這兩個矛盾量得到“和平共處”。

2. 上圖中的那個1x1 conv的作用，使得 in 和 out 間出現較大的差異(out = 直接過來的in + in 經過一系列conv的結果 )，相當於是構建了一個新的語義階段用於 object detector。

當然還有一些別的設計細節，如：因為stage4之後就沒有 feature map 的 size 減小了，所以引數量一下子就上去了。所以從 stage4 開始，輸出的 feature map 數量都統一成256，而不是像往常一樣越到後面越大(256 >> 512 >> 1024.....)

Mask R-CNN      亮點是RoIAlign 和 mask module

參考連結：paper     知乎1     知乎2

主框架見上圖。中間的RoIAlign是paper的一大提升。上一stage是類似Fast R-CNN一樣的檢測結構，下一stage是新增的mask module，使得網路可以實現segmentation，使用的是小FCN實現。

上圖是RoIAlign的實現。思想就是解決 RoI 與 feature map 無法“完美”對齊的問題。不再把浮點的座標直接整數化(包括RoI對映到feature map 的時候和進行RoI pool時候對每個bin的分割  這兩個過程均不把座標簡單粗暴的去整數化。) 而是座標不變，我們進行雙線性插值以對浮點數座標 進行賦 pixel value。

paper亮點2是新增的mask module。可實現instance segmentation。並且loss使用的sigmoid 而不是softmax～

更多細節有待補充～....

運用 Domain Adaptive 思想的 detector：Domain Adaptive Faster R-CNN for Object Detection in the Wild

參考連結：知乎傳送門   paper

亮點在於 domain adaptation，在例如自動駕駛這樣的實用場景，target image 的 label 幾乎是沒有的，所以 fine tune就不太行。需要把 source domain(含 label，如一些資料集中的 images) 和 target domain(實際場景中的 images，完全不 label)就行域適配。paper 實現了 image-level 和 instance-level 的適配。細節.....還請移步paper～

結合 GAN 的 detector： A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection

參考連結： 部落格    paper

亮點是用 GSN  gen 帶遮擋和形變的images  ASDN、ASTN，得到 hard samples，然後聯合 Faster R-CNN訓練。另一亮點是結合了OHEM思想(online hard example mining)如下圖紅色的那部分操作～

ASDN