IoU-uniform R-CNN: Breaking Through the Limitations of RPN 論文筆記

前言 RPN是two-stage目標檢測器中的一個核心部分，它用於生成一系列proposal，並且能夠過濾大部分負樣本，從而避免正負樣本間的極端不平衡。不過目前的RPN仍存在一些缺點： 如下圖所示，隨着IoU的增大，RoI的數量急劇減少，造成IoU分佈不平衡，訓練樣本的分佈會偏向較低的IoU；而當IoU較大時，正樣本的數量明顯不足。這會妨礙檢測器的優化，尤其是在IoU較高時。 如下圖所示，橫座標是

>>阅读原文<<