1. Cascade RCNN

1.1 motivation

• IoU threshold를 몇으로 두냐에 따라 object detection 결과가 달라진다.
  

• 실험을 위해 IoU threshold(u)를 0.5, 0.6, 0.7로 설정한 후 RPN를 통과한 IoU와 Head를 통과한 IoU를 비교하였다고 한다.

• 그 결과
  1) input IoU가 낮을 때에는 u의 크기와 반비례하여 output IoU가 낮아졌다
  2) input IoU가 높을 때에는 u의 크기와 비례하여 output IoU가 높아졌다
  
• 예측 성능(AP)에서는 AP의 IoU threshold(@50, @70, @90..)가 낮을 때에는 u가 낮을 수록 좋은 성능을 보였다.

1.2 Method

• 기존 (a)방식의 Faster R-CNN에서 구조를 (d)에서처럼 multi-head구조로 변경하여 앞의 RoI head에서 얻은 bbox_head를 그 다음 RoI head의 Roi Pooling에 연쇄적으로 사용하는 방법으로 바꿈
• 이 때 각 RoI head에서 사용되는 IoU threshold는 각각 다른 값을 적용함
  • conv: backbone
  • C: class head
  • B: bbox head
  • pool: RoI Pooling
  • H: RoI head
    
• 1-stage를 사용할 때보다 3-stage를 사용할 때 더 좋은 결과를 얻을 수 있었음