今天我来解说一下R-CNN在ILSVRC 2013数据集上的详细内容。
在前面(随笔No.2)我们已经提到了一些内容,我们在这给出更详细的解释。首先要说明一下ILSVRC 2013数据集与VOC数据不同,其缺乏homogeneous(同质);因此我们需要做一些处理。
我们先简单介绍一下ILSVRC 2013 检测数据集,这个数据集被分为三个部分:train(395,918),val(20,121),和test(40,152)(括弧中的数字表示图像数量)。其中val和test取自于PASCAL VOC中图像具有相同场景和复杂程度的图像分布,其图像中的目标均使用bounding-box标记出;而train取自于ILSVRC 2013 分类图像相同的分布,其图像中的目标单一,居中且可能未被标出。
train数据缺乏注释,fine-tuning和训练SVM所需的负样本来自哪呢?train数据与val和test服从不同的分布,那训练数据是全部使用还是使用部分呢?
对上述问题,我们的策略是这样的:我们使用val数据和一些train数据(正样本)来生成新的训练数据。由于训练和验证阶段都需要使用val数据,我们需要把val等分为两部分val1和val2。具体分割方法是这样的,首先生成一系列候选方案(使用图像中所含类别的数目进行聚类,再使用随机抽样),然后选择最大类不平衡最小的一个。
在ILSVRC 2013上region proposals是怎样生成呢
在前面(随笔No.2)我们已经提到了一些内容,我们在这给出更详细的解释。首先要说明一下ILSVRC 2013数据集与VOC数据不同,其缺乏homogeneous(同质);因此我们需要做一些处理。
我们先简单介绍一下ILSVRC 2013 检测数据集,这个数据集被分为三个部分:train(395,918),val(20,121),和test(40,152)(括弧中的数字表示图像数量)。其中val和test取自于PASCAL VOC中图像具有相同场景和复杂程度的图像分布,其图像中的目标均使用bounding-box标记出;而train取自于ILSVRC 2013 分类图像相同的分布,其图像中的目标单一,居中且可能未被标出。
train数据缺乏注释,fine-tuning和训练SVM所需的负样本来自哪呢?train数据与val和test服从不同的分布,那训练数据是全部使用还是使用部分呢?
对上述问题,我们的策略是这样的:我们使用val数据和一些train数据(正样本)来生成新的训练数据。由于训练和验证阶段都需要使用val数据,我们需要把val等分为两部分val1和val2。具体分割方法是这样的,首先生成一系列候选方案(使用图像中所含类别的数目进行聚类,再使用随机抽样),然后选择最大类不平衡最小的一个。
在ILSVRC 2013上region proposals是怎样生成呢