A-Fast-RCNN: Hard positive generation via adversary for object detection
其主要考虑学习一个对于遮挡和形变具有不变性的目标检测器,收集各种状态目标的大数据集的数据驱动策略存在一定问题,比如遮挡和形变服从长尾理论,因此提出学习一个对抗网络(ASTN,ASDN)生成具有遮挡和形变的困难样本,通过生成器与检测器的博弈,提升目标检测器对于各种状态物体的整体目标检测性能。
A-Fast-RCNN: Hard positive generation via adversary for object detection
其主要考虑学习一个对于遮挡和形变具有不变性的目标检测器,收集各种状态目标的大数据集的数据驱动策略存在一定问题,比如遮挡和形变服从长尾理论,因此提出学习一个对抗网络(ASTN,ASDN)生成具有遮挡和形变的困难样本,通过生成器与检测器的博弈,提升目标检测器对于各种状态物体的整体目标检测性能。