CVPR | Deep Layer Cascade论文解读

Cascade是常用的一种ensemble model的方法，最为人熟知的应用当属在人脸检测中的应用了。

通常cascade是将若干个子模型整合成在一起，是模型层面的整合。本文的贡献是将cascade结构引入了网络结构内部，构造了Deep Layer Cascade (LC) ，来分阶段处理分割任务中不同难度的位置。

文章中称，在分割任务中，一张图像的像素不该平等对待。这点也符合我们的直觉，在分割任务中，物体内部的大片区域是较容易分类正确的，而边界轮廓上位置的像素相比之下更难区分。

如下图所示，红色表示的困难像素在图像中所占的比例很小，并且多数集中在物体的边界部分（也存在相当多的标注错误）。

通常我们用FCN方法训练模型时，为了更好的预测边界位置等困难像素，可以在训练过程中通过hard negative mining等操作来增加边界上困难样本的权重，使模型在训练的过程中对困难像素更加的重视。这是一种隐式的调整图像中像素权重的方式。

本文将cascade的思想显示的应用到了网络结构中，在网络结构中直接构造出来了不同的等级阶段。文章将图像中的像素分为简单、中等、困难三个等级。在一个模型里，分出三个阶段代表不同等级的难度。上一个阶段置信度低的预测位置，其特征会传入下一个阶段来再次预测；而置信度高的预测位置，其特征则不再向后传递。