对抗网络之目标检测应用:A-Fast-RCNN
论文连接
caffee代码
1)Easy example 和Hard example的基本概念:
Easy Example:
直观上来讲,太易于识别的样本对于训练来讲意义并不太大,有一部分就够了,因为太明显了嘛,大家都认识;
Hard Example:
比较难以区别的样本,比如目标在 变形、遮挡、逆光 等情况下的 Performance,别人不说你无法识别的那种。
样本挖掘 通常是找出样本中的 Hard Examples,典型的论文就是OHME。
2)OHME简介
传统机器学习中训练 SVM 的时候,通过初始的分类器进行分类(检测)测试,得到的误报即称为 Hard Example,将其加入到训练样本中,重新训练分类器,这种方法称为 Bootstrap(自举)。
OHEM 就是 BootStrap 方法在深度卷积网络中的应用。