cascade rcnn论文总结

1.bouding box regression总结：

　　rcnn使用l2-loss

　　首先明确l2-loss的计算规则：

　　　　　　　　　　　　　　　L∗=(f∗(P)−G∗)2，∗代表x,y,w,h

　　　　　　　　　　　　　　   整个loss : L=Lx+Ly+Lw+Lh

　　　　　　　　　　　　　　　也就是说，按照l2-loss的公式分别计算x,y,w,h的loss，然后把4个loss相加就得到总的bouding box regression的loss。这样的loss是直接预测bbox的

　　　　　　　　　　　　　　　绝对坐标与绝对长宽。

　　改进1:

　　　　  问题：如果直接使用上面的l2-loss，loss的大小会收到图片的大小影响。

　　　　  解决方案：loss上进行规范化(normalization)处理。

　　　　　　　　　  Lx=(fx(P)−Gx)W)2，Ly=(fy(P)−Gy)H)2，Lw=(fw(P)−Gw)W)2，Lh=(fh(P)−Gh)H)2，其中, W,H分别为输入图片的宽与高

　　　　  这种改进没有被采纳

　　改进2:

　　　　  rcnn直接使用的是下面这个公式，也使用了规范化，但除以的是proposal的wh，并且wh的loss用的log函数

　　　　 

　　　　  cascade论文说这个改进的目的是：“To encourage a regression invariant to scale and location”，也就是增加scale和location的不变性　　 

　　　　  位置不变性：delta_x = [(g_x + a) - (b_x + a)] / b_w。不管平移量a是多少，delta_x都是一样的

  　　　　尺寸不变性：delta_w = log((g_w * b) / (b_w * b))。不管图片缩放b是多少，delta_w都是一样的

　  　　　至于为什么用log，有个博客说是：是为了降低w,hw,h产生的loss的数量级, 让它在loss里占的比重小些。  这个解释还有待观察

　　改进3:

　　　　  问题：当预测值与目标值相差很大时, 梯度容易爆炸, 因为梯度里包含了x−t

　　　　  解决方案：smoothl1代替l2-loss，当差值太大时, 原先L2梯度里的x−t被替换成了±1, 这样就避免了梯度爆炸

　　改进4:

　　　　  问题：由于bouding box regression经常只在proposal上做微小的改变，导致bouding box regression的loss比较小，所以bouding box regression的loss一般比classification

　　　　　　　  的loss小很多。（整个loss是一个multi-task learning，也就是分类和回归）

　　　　  解决方案：标准化

　　　　　　　　　  

2.

　　　　　　　  

https://blog.csdn.net/weixin_35653315/article/details/54571681