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)