目标检测论文分析 （一）
Cascade R-CNN
首先要知道一般的检测网络里有2个IOU阈值：
- 未开始训练时，anchor与Gt之间的IOU阈值，本文记为IOU threshold。一般我们会设置这个值为0.5，即feature map上该点的anchor与GT之间的IOU大于0.5，就讲该anchor作为训练的样本进行训练，其他的就抛弃。
- 网络进行预测的输出bbox与GT间的阈值，本文记为u。同样，一般的网络均设置u = 0.5。
开始正文：
作者用figure 1 的四幅图来说明几个问题：
（a）说明u较低时容易引入噪声，对于相似性较高的假阳样本无法做到很好的区分；
（c）说明输入IOU不同时，不同区间的输入IOU所对应的最优u 值也是不同的，比如在低质量的0.5~0.62区间，u=0.5有明显优势，而u = 0.7效果很差，而在高质量样本区间0.75以上，u = 0.7效果又占优。证明不同质量的输入样本对应的最优分类器阈值也不同。
（a）、（b）和（d）对比说明u较高时虽然过滤掉了噪声，但是整体AP会很差，原因是较高的u过滤了大量低质量样本，造成训练样本缺失，检测器对高质量的样本过拟合，而对于低质量的样本效果很差。
因此figure1 的结论是：设置单一阈值的分类器无法完美适配全局样本（高低质量不同的样本）。
本文的核心就是通过cascade的方式，串联多个分类器，来生成一个全局最优的分类器。
如何做到的呢？看下图
- （a）是传统的Faster-RCNN结构，这个不多说，应该都能看懂，这里的B0就是RPN网络预筛选出来的样本 bbox，以这个B0作为输入得到C1（分类）和B1（回归）。（b、c、d）就类似于YOLO等一步网络的结构了，其实没有区别，这里相当于省略了（a）中RPN的部分，直接给出了B0。
- （c）是对B0分别使用多种阈值u={0.5,0.6,0.7}进行预测的结构，然而这种方式并不能解决根本问题，原因不明白的话，一会儿下面会说。
- （d）和（b）放在一起说了。（d）就是本文使用的结构，跟（b）非常的像。区别在于（b）在对B0进行预测输出B1后，将B1用原来的检测器重复检测得到B2，再次重复得到B3。而本文的（d）在重复检测时，提高了检测器的阈值u，三个检测器u = {0.5,0.6,0.7}。
所以本文真正与前人算法改动的地方很小，只是改变了阈值，但是检测效果却有很大的提高，关键在于，前人并没有找到检测效果差的根本原因。
阈值改变的核心改变在于训练样本的重采样。
详细解释一下：
我们回到Figure1（c）,可以看到无论u取何值，曲线都在灰色线上方。这代表着，原样本IOU值在经过网络回归后的IOU值是一定会增加的，即output IOU>input IOU。所以假设我们有个proposal与GT间的IOU为0.5，输入到网络中得到的输出与GT间的IOU可能是0.55/0.6/…>0.5。而Figure3中（b）的网络结构，重复使用u = 0.5的检测器进行检测，无论重复使用多少次，输入的样本始终是同一个，不会改变。 而改变阈值后，会对原始样本进行二次筛选，也就是重采样，剔除掉无用的贡献不高的错误样本。
举个栗子：假设我们的B0有5个Proposal，他们的初始IOU是B0 = {0.5,0.6,0.7,0.8,0.9}，输入到u = 0.5 的检测器后得到结果必然要比这个IOU大，所以他们可能变成了B1 = {0.51,0.65,0.72,0.81,0.905},注意这里仍然是5个，即使再重复检测2次，也还是5个。
改变第二个检测器的阈值u = 0.6，由于0.51与0.6的距离较远，经过这个检测器的输出可能超不过0.6.那么输出就可能变成了B2 ={0.68,0.76,0.85,0.92} ，这里就剔除了质量最差的样本。下一个u = 0.7的检测器跟0.68很接近，对它的提升可能很大，所以并不一定会淘汰，很容易超过0.7变成B3 = {0.71,0.8,0.89,0.93}
也就是说通过这种阶梯型的门槛，会筛选掉一些没有提升潜力的差样本，这些样本不剔除，每次都参与训练限制了检测效果的提高。
作者通过几个实验证明了理论的真实性：
Figure2 的实验看出，在通过多个stage的检测器筛选后，样本分布有了较大改变，红色区域的样本被剔除，也就是阶梯式检测器的具备重采样的功能。那么有童靴问了，这样剔除样本，会不会像之前只用u = 0.7时那样，剔除了大量的检测样本，只留下了极少的正样本引起过拟合呢？答案是并不会。
作者对训练样本的数量进行了统计，由于一开始0.5的检测器对大家进行了强化，大部分有潜力的样本都“激流勇进”冲进了0.6大关，只剩下小部分的“菜鸡”被淘汰，同样，下个阶段也是这样，每个阶段都只淘汰小部分，总体样本并不会减少太多。
我举个最通俗易懂的栗子我相信大家一定会明白：有一群小学生，他们从一年级到五年级不等（0.5-0.95的proposal的样本），这时校长说：“同学们啊，大家无论是几年级的都一起上课，就上一年课，学多少是多少，不用考什么试，重在参与嘛~~米娜桑一年后就让你们毕业！”然后无论学渣学霸，大家皆大欢喜，都毕业了（只用u = 0.5，对应Figure3a）
过两年校长发现这不行啊，学生质量参差不齐，学校风评堪忧啊，没有中学敢要我们的学生，升学率提不上去啊，不行，得考试了。所以校长说了：“米娜桑，我们还是一起上课，还是就学一年，学多少是多少，但是我们要积极响应国家政策，所以学完了我们就进行毕业考试，考五年级水平的题！~”考完试学生们就爆炸了，广大低年级学生纷纷表示 “劳资一年级小学生学一年课就要考五年级的题？考个鬼啊，能过才怪，必须要锤爆校长的狗头！”，只有零星几个五年级大学霸表示，还好劳资天赋异禀。（u = 0.7时情况，对应Figure1d,直接用高阈值导致剩余样本大量缺失）
**由于校长狗头被锤爆，只能换个校长，这回新校长可不敢考试了，怕脑袋不保，但是必须得提高生源质量啊，要不学校不得黄了。所以就想到“学一年学的不好，那么就多学几年呗”所以新校长指示大家我们学习三年，然后再考试，行了吧。。。三年后，考上重点中学的学生确实比以前多了，但是却没多太多。主要是学校里有些学生素质不行（一些噪声样本），自己不学习，天天还打扰别人学习，搞得大家整体都没学好，升学率依旧全市垫底。（Figure3c情况，多个u = 0.5 级联）
省里一看这学校的情况，就把这校长撤了，又换个新的校长。新新校长说，我们要改变教学模式，每年都要进行升级考试，通不过就留级（退学）吧！这下学生们就慌了，每年都淘汰几个吊车尾的，大家学习没人打扰了，学习环境浓郁，最后大家都取得了很好的成绩，考上了理想的中学（对应本文的思路）
总结：
本文最后通过各个角度与其他算法进行比对，证明了算法具有很高的优越性，同时，本文也是发现了网络训练的盲点，我觉得是很有意义的一篇文章。比对的结果就不展示了，大家可以看原文，最后放上源码和文章地址
References：
【1】 Cai Z, Vasconcelos N. Cascade R-CNN: Delving into High Quality Object Detection[J]. 2017.
原文地址
源码地址