目标检测 | OHEM

  这里主要说下该论文的hard mining过程：

  先上图，如Figure2所示：

  从图中可以看出，本文的亮点在于在每次迭代中，较少训练样本下，如何hard negative mining，来提升效果。

  即针对Fast-RCNN框架，在每次minibatch（1张或者2张）训练时加入在线筛选hard region的策略，达到新的SoA。

需要注意的是，这个OHEM适合于batch size（images）较少，但每张image的examples很多的情况。

（thousands of candidate examples，这里的example可以理解为instance、region或者proposal）

  这是一次ML经典算法bootstrapping在DL中的完美“嵌入”。

 

  具体来说：

1 将Fast RCNN分成两个components：ConvNet和RoINet. ConvNet为共享的底层卷积层，RoINet为RoI Pooling后的层，包括全连接层；

2 对于每张输入图像，经前向传播，用ConvNet获得feature maps（这里为RoI Pooling层的输入）；

3 将事先计算好的proposals，经RoI Pooling层投影到feature maps上，获取固定的特征输出作为全连接层的输入；

         需要注意的是，论文说，为了减少显存以及后向传播的时间，这里的RoINet是有两个的，它们共享权重，

         RoINet1是只读（只进行forward），RoINet2进行forward和backward：

a 将原图的所有props扔到RoINet1，计算它们的loss（这里有两个loss：cls和det）；

b 根据loss从高到低排序，以及利用NMS，来选出前K个props（K由论文里的N和B参数决定）

   为什么要用NMS? 显然对于那些高度overlap的props经RoI的投影后，

     其在feature maps上的位置和大小是差不多一样的，容易导致loss double counting问题

c 将选出的K个props（可以理解成hard examples）扔到RoINet2，

         这时的RoINet2和Fast RCNN的RoINet一样，计算K个props的loss，并回传梯度/残差给ConvNet，来更新整个网络

 

  论文提及到可以用一种简单的方式来完成hard mining：

在原有的Fast-RCNN里的loss layer里面对所有的props计算其loss，根据loss对其进行排序，（这里可以选用NMS），选出K个hard examples（即props），

反向传播时，只对这K个props的梯度/残差回传，而其他的props的梯度/残差设为0即可。

  由于这样做，容易导致显存显著增加，迭代时间增加，这对显卡容量少的童鞋来说，简直是噩梦。

 

  为什么说是online？

论文的任务是region-based object detection，其examples是对props来说的，即使每次迭代的图像数为1，它的props还是会很多，即使hard mining后

 

  为什么要hard mining：

1 减少fg和bg的ratio，而且不需要人为设计这个ratio；

2 加速收敛，减少显存需要这些硬件的条件依赖；

3 hard mining已经证实了是一种booststrapping的方式， 尤其当数据集较大而且较难的时候；

4 eliminates several heuristics and hyperparameters in common use by automatically selecting hard examples, thus simplifying training。

放宽了定义negative example的bg_lo threshold，即从[0.1, 0.5)变化到[0, 0.5)。

取消了正负样本在mini-batch里的ratio（原Fast-RCNN的ratio为1:3）

 

===

  除了OHEM外，在训练过程中，论文用到了multi-scale的train&test、iterative bounding box regression这两种策略。具体参考fast-rcnn和sppnet这两篇论文。

===

 

  还是看效果说话，效果屌屌的。

 

  

 

参考：

https://blog.csdn.net/u012905422/article/details/52760669