Cascade R-CNN

論文: Cascade R-CNN Delving into High Quality Object Detection （CVPR 2018）

代碼：cascade-rcnn_Pytorch

文章目錄

• • 為什麼級聯
  • • • 總結
  • 代碼梳理
  • 實驗
  • 參考文獻

為什麼級聯

雙階段網絡的典型代表就是Faster RCNN了，先通過RPN網絡産生Proposals，然後挑選出正負樣本，并配置設定标簽進行訓練。訓練時選擇哪些proposals作為正負樣本，一般是根據IoU門檻值來界定（一般取0.5），和實際目标框高于該門檻值就作為正樣本。

• 圖（a）：門檻值設定得低，則正樣本中含較多背景，使得誤檢較多
• 圖（b）：門檻值設定得過高，雖然能減少誤檢，正樣本的數量變少，容易過拟合，會漏檢
• 圖（c）：當輸入的IoU分布與門檻值較為接近的時候，其輸出IoU也相對較高，說明将門檻值調節到輸入IoU附近時，得到的輸出一般有更好的表現
• 圖（d）：随着門檻值增加，檢測器的性能會大緻在各自對應IoU區間有一個更好的表現，總體上門檻值為0.6時表現更好

  

從上圖（a）還有可以看出很重要的一點就是：大部分時候，曲線都在灰色曲線上方，說明輸出IoU一般比輸入IoU要高，将輸出繼續作為輸入，相當于調高了Proposals的IoU（下一輪的輸入IoU更高），同時适當調高IoU門檻值，以得到更高IoU的輸出，其結構示意圖如下圖（d）所示，這便是CascadeRCNN的級聯結構

從下圖可以看出，每一個階段的輸出的IoU分布明顯不同，越到後面輸出的品質越高，相當于一個進化的過程，越好的Proposals訓練效果越好

總結

• 輸入IoU的分布在門檻值附近時，訓練效果相對較好（可以根據輸入IoU分布調整IoU門檻值）
• 輸出IoU一般比輸入IoU高（可以級聯）

代碼梳理

相比FasterRCNN，其實就是将後面的FastRCNN部分重複

• stage1的RoIs1由RPN網絡産生，stage1輸出的預測框繼續在前面的feature map上提取相應的RoIs2，作為stage2的輸入，stage3以此類推

##################stage1##################
self.RCNN_top = nn.Sequential(
    nn.Conv2d(256, 1024, kernel_size=cfg.POOLING_SIZE, stride=cfg.POOLING_SIZE, padding=0),
    nn.ReLU(True),
    nn.Conv2d(1024, 1024, kernel_size=1, stride=1, padding=0),
    nn.ReLU(True)
    )
self.RCNN_cls_score = nn.Linear(1024, self.n_classes)
self.RCNN_bbox_pred = nn.Linear(1024, 4 * self.n_classes)
##################stage2##################
self.RCNN_top_2nd = nn.Sequential(
    nn.Conv2d(256, 1024, kernel_size=cfg.POOLING_SIZE, stride=cfg.POOLING_SIZE, padding=0),
    nn.ReLU(True),
    nn.Conv2d(1024, 1024, kernel_size=1, stride=1, padding=0),
    nn.ReLU(True)
    )
self.RCNN_cls_score_2nd = nn.Linear(1024, self.n_classes)
self.RCNN_bbox_pred_2nd = nn.Linear(1024, 4 * self.n_classes)
##################stage3##################
self.RCNN_top_3rd = nn.Sequential(
    nn.Conv2d(256, 1024, kernel_size=cfg.POOLING_SIZE, stride=cfg.POOLING_SIZE, padding=0),
    nn.ReLU(True),
    nn.Conv2d(1024, 1024, kernel_size=1, stride=1, padding=0),
    nn.ReLU(True)
    )
self.RCNN_cls_score_3rd = nn.Linear(1024, self.n_classes)
self.RCNN_bbox_pred_3rd = nn.Linear(1024, 4 * self.n_classes)
           

實驗

參考文獻

【1】Cascade RCNN算法筆記

【2】Cascade R-CNN 詳細解讀

【3】cascade-rcnn_Pytorch