Acquistion Location Confidence for accurate object detection
本论文主要是解决一下两个问题：
1、分类得分高的预测框与IOU不匹配，（我猜应该是训练数据集导致的）
2、基于回归的边框修正是非单调的，缺乏可解释性。
贡献点
- IoU-guided NMS
- Optimization refine
- PRpooling
1、IoU-guided NMS
（1）传统 NMS : 根据边界框的分类置信度排序，每次选择cls score最大的框，并对与它IoU大于阈值的框抑制。定位准确的边界框中有很大一部分会被错误抑制，这是由分类置信度和定位准确度之间的不匹配造成的，
（2）IoU-NMS : 使用预测得到的IoU来对预测框进行排序，每次选择IoU最大的框并对与它IoU大于一定阈值的框抑制。
（3）soft-NMS：NMS基础上，IoU 大于阈值的框不将其分类置信度置为0。
为了使用IoU来指导排序，但在在测试的时候没有GroundTruth信息，于是设计一个网络来
估计边框与GroundTruth的IoU。如下图所示。
虚线框的是IoU-Net。
输入：Jittered-RoIs：通过对groundtruth 随机变换得到一系列的候选框（而不采用RPN输出的RoIs）
损失：smooth-L1 LOSS
输出：候选框与GroundTruth的IoU交并比（用于后续的IoU-guided NMS和优化修正算法）
2、提出的PrPooling代替了原来的RoI pooling
因为RPN网络输出的bounding box的坐标是浮点数，
- RoI Pooling：有量化误差
- RoI Align：不用量化，利用双线性插值计算出对应点的特征值。 但N=4固定，ROI大小不固定。
- PrRoI Pooling：利用双线性插值计算出对应点的特征值，该函数连续可导，有益于后续的基于优化的边框修正。
论文中的不足之处，缺少PrRoI-pooling的对照实验。在Mask-RCNN中的RoIAlign的精度相对于RoIPool明显提高。
The code is released at: https://github.com/vacancy/PreciseRoIPooling
3、基于优化的边框修正
问题：
基于回归的边界框精修非单调，对输入的分布变化敏感，不同的预测框迭代次数没法自适应。
解决方法：
通过每次修正得到的边界框预测得到IoU来修正。
基于优化的算法部分：
每次迭代对不同的预测框都做一次修正，因为PrRoI-Pool是连续可导的，所以通过梯度上升的方式进行优化，计算出边界框的变换。当变换后的边界框送入IoU-Net得到新的IoU与旧的IoU区别小于一定值或者出现退化，该边界框就不在修正。
基于回归的方法：如图第一排随着迭代次数的增加，红色的预测越来越偏离GroundTruth
基于优化的方法：如图第二排随着迭代次数增加，预测框越来越精确。
4、实验细节
（1）数据集：
80类别的MS-COCO 80k张训练图像和35k张验证图像，5k张验证图像做测试。
（2）训练参数设置：
输入图像裁剪为1200*800的大小
IoU-Net的训练数据是另外产生的。对于IoU-Net的 IoU标签通过正则化变为【-1，1】之间。
每层的参数设置为mean=0，标准差=0.01或0.001的高斯分布，batchsize大小为16，在推理部分，先还是使用了一次边框回归来初始化坐标，为了加快推理，对所有检测框做IoU -NMS前100个最大分类置信度的边框再使用基于优化的算法进行微调。
5、实验结果比较
相比于soft-NMS，采用了IoU-NMS的结果在AP90上明显提高了。
问题：AP50的结果较差。
问题原因：因为较小的IoU的框与GroundTruth的特征差异大，导致了IoU预测器不精确，修正也退化了。
解决方法：通过采集更多小IoU的来训练就可以解决
IoU-Net相较于FPN、Mask-RCNN速度下降了一点，但精度有所提升，时间耗费应该主要是在基于优化的边框修正上