Cascade R-CNN升级！目标检测制霸COCO，实例分割超越Mask R-CNN

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~

本文授权转自公众号我爱计算机视觉

近日，arxiv上新出一篇论文《Cascade R-CNN: High Quality Object Detection and Instance Segmentation》，目标检测算法Cascade R-CNN 原作者对其进行扩展应用于实例分割。

两位作者均来自加州大学圣地亚哥分校，这可能是一篇投向TPAMI的论文。

在目标检测的实验中，借助于骨干网ResNeXt-152 的加持，在COCO数据集上AP达到50.9，超越之前的SOTA TridentNet算法的48.4，在实例分割实验中精度也显著高于Mask R-CNN。

Cascade R-CNN 是什么？

Cascade R-CNN 是2017年末出的目标检测算法，它的核心思想是：

使用不同的IOU阈值，训练多个级联的检测器。

它可以用于级联已有的检测器，取得更加精确的目标检测。

描述Cascade R-CNN算法的论文被CVPR 2018录用，该文一出，曾经相当长时间位于COCO检测数据集精度榜首（后被图森的TridentNet超越，这次又超了回来。。。）。

谷歌学术显示：

原论文已有111次引用。

作者开源了代码，该算法曾经被COCO 2018 instance segmentation challenge , OpenImage 2018 challenge , Wider Challenge 2018 的获胜团队使用（作者文中声称）。

Cascade R-CNN 网络结构

网络结构如下图b，

公式表示就是这样的：

上图中b和c很像，iterative bbox at inference 是在推断时候对回归框进行后处理，即生成了之后在多次处理，而Cascade R-CNN 在训练的时候就进行重新采样，不同的stage的输入数据分布已经是不同的了。

Cascade Mask R-CNN 网络结构

受Mask R-CNN发，作者将Cascade R-CNN推广到实例分割很简单，作者提供了三种策略，分别对应下图中b、c、d中将分割头S放在不同的位置。

实验结果

作者在通用目标检测、实例分割数据集COCO上进行了实验，换上骨干网ResNeXt-152的Cascade R-CNN 又刷出了新高度！AP 达到50.9。如下图：

使用不同的检测器和骨干网，级联后都能获得大幅度的精度提升，如下图：

同时可见，级联后推断速度有少许变慢，但在可接受的范围内。

下图是将Cascade Mask R-CNN与基线版本比较的结果，在实例分割任务中，也取得了明显的精度提升。

在PASCAL VOC 2007 数据集上同样表现出，使用级联后均获得精度提升。

作者又在一些特殊目标类、不同数据集上做了实验。

下图为在KITTI车辆类的检测结果：

在CityPersons验证集分割的结果，和在WIderFace数据集上人脸检测结果：

均表明该算法能一致性的提高精度。

论文地址：

https://arxiv.org/abs/1906.09756v1

代码地址：

https://github.com/zhaoweicai/cascade-rcnn（Caffe版）

代码地址：

https://github.com/zhaoweicai/Detectron-Cascade-RCNN（Detectron版）

*延伸阅读

• CVPR 2018|Cascade R-CNN：向高精度目标检测器迈进
  

• 2019 AAAI GHM（解决one-stage样本不平衡问题）目标检测算法论文阅读笔记
  

---

点击左下角“阅读原文”，即可申请加入极市目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~

觉得有用麻烦给个在看啦~