一、关于mismatch问题
在training阶段和inference阶段使用不同的阈值很容易导致mismatch，什么意思呢？
在training阶段，由于给定了GT，所以可以把与GT的IoU大于阈值的proposals作为正样本，这些正样本参与之后的bbox回归学习和分类。
在inference阶段，由于GT是未知的，所以只能把所有的proposals都当作正样本，让后面的bbox回归器回归坐标。且在inference阶段，只有生成的proposals自身的IoU值和训练器训练时设定的IoU阈值较为接近时，训练器输出的IoU值才会高即网络性能才好。
所以在training阶段和inference阶段，bbox回归的输入分布是不一样的，training阶段输入的proposals质量更高（被采样过，IoU>threshold），inference阶段的输入proposals质量相对较差（没有采样过，可能包含很多IoU<threshold的情况），这就是论文中提到的mismatch问题，这个问题是固有存在的，通常threshold取 时，mismatch问题不会很严重。
二、关于单纯增大训练时IoU阈值问题
在训练阶段，IoU一般设定为 ，在RPN选择正负anchor的时候，往往会产生close but not correct的框，而检测器必须找到正样本并且抑制这些IoU接近于正样本的负样本，“However，to produce a high quality detector，it does not suffice to simply increase IoU during training.”
单纯的增大训练时的IoU阈值会带来什么问题呢？
- 过拟合问题。提高了IoU阈值，满足这个阈值条件的proposals必然比之前少了，即正样本数量减少，容易导致过拟合。
- 带来更严重的mismatch问题。R-CNN结构本身就有这个问题，IoU阈值变得更高，在inference阶段产生的proposals分布与训练时的proposals分布之间的mismatch会更加的严重，进而使得网络预测结果变差。
从上图可以看到，随着stage的加深，相应区域的positive依旧拥有大量的proposal，因此不会出现严重的过拟合现象。
