cascade rcnn目标检测中的mismatch问题

cascade rcnn这篇论文提到mismatch问题

https://arxiv.org/pdf/1712.00726.pdf

意思是training阶段和inference阶段，detector输入的proposal是不一样的，前者的proposal经过筛选(IoU>threshold)质量更高，后者的未经过筛选，质量更差。用前者训练得到的detector来测试后者的proposal，会导致性能的下降。

 

IOU的提高将导致mismatch问题进一步加重，这是因为IOU提高后，筛选的条件变严格，detector 在training过程中输入的proposal数量变少，检测器过拟合。但是inference过程得到的proposal并不会因为IOU而改变，也就是说检测器性能下降，inference时输入的图片也没变化，所以mismatch更严重。贴一张知乎的图以便更好理解（引自知乎https://zhuanlan.zhihu.com/p/42553957）