轉：Cascade R-CNN，一個使你的檢測更加準確的網絡
轉自：https://blog.csdn.net/Chunfengyanyulove/article/details/86414810
簡要概述文章精華
本篇文章主要解決了在目標檢測中，檢測框不是特別準，容易出現噪聲幹擾的問題，即close false positive，為什麽會有這個問題呢？作者實驗發現，因為在基於anchor的檢測方法中，我們一般會設置訓練的正負樣本（用於訓練分類以及對正樣本進行坐標回歸），選取正負樣本的方式主要利用候選框與ground truth的IOU占比，常用的比例是50%，即IOU>0.5的作為正樣本，IOU<0.3作為負樣本等，但是這樣就帶來了一個問題，閾值取0.5是最好的嗎
一句話總結就是：Cascade R-CNN就是使用不同的IOU閾值，訓練了多個級聯的檢測器。
讀了文章精華，我想你已經知道這個網絡時做什麽的，如果感興趣，那麽接著讀下面的詳細解析吧~~
文章詳細解析
目標檢測其實主要幹的就是兩件事，一是對目標分類，二是標出目標位置。所以，了解Faster R-CNN或者SSD的同學可能都比較清楚，為了實現這兩個目標，在訓練的時候，我們一般會首先提取候選proposal，然後對proposal進行分類，並且將proposal回歸到與其對應的groud truth上面，但是這就帶來了一個問題，因為我們做分類需要確定樣本的標簽，那麽我們給什麽樣的proposal打一個標簽呢？最常用的做法是利用IOU（proposal與ground truth的交並比），可是IOU閾值設置成多少可以作為我打標簽的邊界呢？常用的閾值是0.5，可是0.5是最好的嗎？作者通過實驗證實了不同IOU對於網絡的影響，如圖Figure 1 ©所示。圖c中3條線分別代表3個IOU的閾值，橫軸是輸入的IOU的proposal，縱軸是對應的proposal經過網絡輸出後的坐標框與ground truth的IOU，我們觀察可以發現，3條線，都在灰色對角線之上，說明3條線都有一定的優化效果，並且，3條線無一例外在自己設定的閾值周圍優化較明顯。
那麽問題來了，我們是否可以將閾值提高，以達到優化輸出精度的效果呢？
作者又做了不同閾值下網絡精度的實驗，結果如圖figure1(d)所示，可以發現，對於閾值為0.5以及0.6的時候，網絡精度差距不大，甚至提升了一點，但是將精度提升到0.7後，網絡的精度就急速下降了，(COCO數據集上：AP：0.354->0.319)，這個實驗說明了，僅僅提高IoU的閾值是不行的，因為提高閾值以後，我們會發現，實際上網絡的精度（AP）反而降低了。
為什麽會下降呢？
- 由於提高了閾值，導致正樣本的數量呈指數減低，導致了訓練的過擬合。
- 在inference階段，輸入的IOU與訓練的IOU不匹配也會導致精度的下降。所以才會出現Figure1(d)中，u=0.7的曲線在IOU=0.5左右的時候，差距那麽大。
實驗證明了不能使用高的閾值來進行訓練，但是實驗也呈現出了另一個事實，那便是：回歸器的輸出IOU一般會好於輸入的IOU，圖figure1（c）所示。並且隨著u的增大，對於在其閾值之上的proposal的優化效果還是有提升的。
那既然這樣，我們是否可以采用級聯的方式逐步提升呢？即首先利用u=0.5的網絡，將輸入的proposal的提升一些，假如提升到了0.6，然後在用u=0.6的網絡進一步提升，加入提升到0.7，然後再用u=0.7的網絡再提升，這樣豈不是精度越來越高了？
於是乎，作者設計了Cascade R-CNN網絡。
圖figure 3（d）是Cascade R-CNN的網絡結構對比圖，Figure 3（a）是Faster
R-CNN的網絡結構圖，其中H0代表的是RPN網絡，H1代表的是Faster
R-CNN進行檢測與分類的head，C1代表最終的分類結果，B1代表最終的bounding box回歸結果。那麽Cascade
R-CNN有什麽不同呢？H1那一部分是一樣的，但是Cascade
R-CNN得到B1回歸後的檢測框後，將其輸入到H2部分，繼續回歸，以此類推到H3部分，使得每次對bounding
box都提高一定的精度，已達到提高檢測框準確度的作用。
註：級聯的方式，不再是為了找到hard negatives，而是通過調整bounding boxes，給下一階段找到一個IoU更高的正樣本來訓練。SSD等利用hard negatives方法進行優化。即對負樣本loss排序，取loss較大的部分
在作者Cascade R-CNN之前，其實也有人研究了基於Cascade的方法進行坐標框的優化，如圖figure3（b）所示，這種方法叫做iterative bounding box regression，不過該方法中所有的head都是相同的，用公式表示就是如下：
這會導致了如下問題：
- 我們采用IOU=0.5來訓練網絡，如圖Figure1 ©所示,其對IOU更高的圖像效果提升有限。
- 在每次叠代後，bounding box的分布實際上發生了一定的改變，而分類器是基於最開始的bounding box來訓練的，這樣會產生較多的outlier point，如下圖所示：（紅的代表溢出點）
Cascade RCNN的結構圖如圖Figure3（d）所示，公式表示就是這樣的：
iterative bounding box regression是對回歸框進行後處理，即生成了之後在多次處理，而Cascade RCNN是在訓練的時候就進行重新采樣，訓練的時候不同的stage的輸入數據分布已經是不同的了。這就在一定程度上解決了iterative bounding box regression出現的數據分布變化的問題。高手解決問題，往往就是很簡單的一個改動，卻產生了重要的意義。
圖Figure 4代表了Cascade R-CNN不同stage的輸入數據的IOU分布。
實驗部分
- 網絡參數
網絡的默認設置共有4個stage,第一個stage產生RPN，另外三個stage分別設置IOU閾值為[0.5,0.6,0.7]，baseline的選擇，Faster R-CNN作者默認選擇VGG網絡，R-FCN以及FPN作者默認選擇ResNet作為backbone，使用的是默認參數。
具體的網絡訓練的默認參數論文中有提及，這裏不詳述了，感興趣的讀者可以自行查看論文，實驗部分的介紹。
- 損失函數
關於損失函數，跟Faster R-CNN基本一致，沒有什麽變化。分類采用softmax，回歸采用smooth L1 loss，並且為了防止由於bounding box的大小以及位置帶來的回歸尺度的影響，我們一般會對box的坐標進行歸一化操作，即：
- 網絡分析
圖Figure5（a）中，3條實線分別對應3個IOU閾值下訓練的模型的AP（註意這裏是單獨訓練的，不是采用級聯的方式訓練的），如圖可以發現，當u=0.6是時候，在IOU比較低的時候，其表現是沒有u=0.5好的，但是在IOU比較高的時候，表現比0.5好了一些，而對比u=0.7會發現，其效果基本都在u=0.6以下，只有在IOU>0.8的時候，表現略微超過了u=0.5.該實驗說明了，設置不同閾值對於網絡的影響。
進一步的，作者又進行了實驗，作者將ground truth加入到了Proposal中間，測試結果如圖Figure5(b)所示，實驗結果顯示，網絡的表現隨著u提升而提升，為什麽會這樣呢？
說明，u=0.7的時候，需要你保證proposal的質量，即其輸入的proposal的準確度要高一點，另外，u=0.7確實可以做到比u=0.5要好，只是需要你保證你proposal的準確度就行。
Cascade RCNN的作用不就是這樣嗎？那是不是如我們猜想的一樣呢？圖Figure5（a）給出了答案，其中虛線代表的是cascade結構的精度，可以發現，精度確實提升了，雖然沒有在IOU較低的部分超過u=0.5,但是整體上是提升了的，說明cascade的提升還是有效果的。
圖Figure（6）向我們展示了不同stage下不同閾值的表現，可以發現，stage1的時候u=0.7的detector表現不是很好，但是當stage=3的時候，u=0.7的表現就非常好了。並且細心的同學可能發現，圖6的精度比圖5的精度要高？這是為什麽呢？因為圖6是采用cascade方法訓練得到了，而圖5只是設置了不同的IOU閾值作為正樣本來訓練，並沒有采用cascade方法，這裏也側面說明了cascade方法的有效性。
另外作者對比了Iterative BBox以及Intrgral Loss的精度，如下表。
對Cascade R-CNN網絡的進一步探索實驗
- 實驗一：stage-wise的比較
下表展示了不同stage的表現，其中1,2,3分別代表單個stage的表現，1 ~ 2代表了級聯1和2的表現，1 ~ 3代表了級聯1-3的表現，可以發現AP呈遞增趨勢，效果也是越來越好，符合預期。
- 實驗二：提升閾值的作用
下表展示了是否每個stage都需要提升IOU的閾值呢？帶有向上箭頭的那行表示IOU的閾值會提升，不帶的表示不提升，實驗結果表明提升的效果還是比較明顯的，stat代表的是是否采用回歸統計，這個回歸統計是什麽東西我也還沒搞明白，知道的可以跟我說一下。。。
- 實驗三：多少個stage是最合適的呢？
最後一個實驗，作者對stage的數量進行了分析，如下圖所示，作者發現stage為3的時候效果最好，繼續增加效果反而下降了。
下圖是cascade與目前stage of the art 網絡的對比情況,其中Table 6還有訓練時間等信息
可以發現使用cascade結構對於精度的提升確實是有幫助的，不過時間也會稍稍增加一些。
結論
本篇論文最大的貢獻在於，提出了Cascade R-CNN的方法，同時向我們介紹了不同閾值下對於proposal的回歸作用，雖然Cascade R-CNN方法可能沒有什麽特別的，但是能探究出背後的邏輯，設計出這個方法，還是很厲害的。
轉：Cascade R-CNN，一個使你的檢測更加準確的網絡