针对一阶段目标检测中分类与定位不一致及特征不一致问题，提出一种新的级联一致性学习方法，通过特征自适应模块和自动正样本阈值选择策略，在多个一阶段检测器上均取得稳定提升。
Wang, Hao · 贾同 · Ma, Bowen · 王启隆 · 左旺孟
IEEE Transactions on Circuits and Systems for Video Technology 2023
通过自动正样本阈值选择策略和综合考虑分类置信度与定位精度来评估边界框质量，解决了分类与定位预测之间的不一致。
特征自适应模块校准来自不同预测头和骨干网络的特征，解决特征不一致，使检测头获得更一致的输入。
在多个不同的单阶段检测器上均获得了明显提升，表现出对基线的稳定优势。