在目标检测中,需要一个IOU阈值来定义正负样本, 用于训练分类以及对正样本进行坐标回归。选取正负样本的方式主要利用候选框与ground truth的IOU占比,常用的比例是50%,即IOU>0.5的作为正样本,IOU<0.5作为负样本等。
用低阈值训练的目标检测器通常产生噪声检测。但是,随着IOU阈值的增加,检测性能趋于下降。因此,很难抉择一个合适的IOU,无论高低都是有很大弊端的。
Cascade R-CNN提出了一种级联检测器,即通过级联的R-CNN网络,每个级联的R-CNN设置不同的IOU阈值,这样每个网络输出的准确度提升一点,用作下一个更高精度的网络的输入,逐步将网络输出的准确度进一步提高。
总结:Cascade R-CNN就是使用不同的IOU阈值,训练了多个级联的检测器,使得网络输出精度进一步得到了提高。