对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
来源:互联网 发布:js 布尔值取反 编辑:程序博客网 时间:2024/05/29 18:00
A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
CVPR 2017
Caffe code : https://github.com/xiaolonw/adversarial-frcnn
本文将对抗学习引入到目标检测问题中,通过对抗网络生成一下遮挡和变形的训练样本来训练检测网络,从而使得网络能够对遮挡和变形问题更加的 robust.
2 Related Work
针对目标检测问题,当前学术界主要从三个思路进行探索:
1) 设计更好的网络架构来提升性能,主要是使用更深的网络结构,例如 ResNet,Inception-ResNet ,ResNetXt
2) 使用 contextual reasoning,充分利用各个卷积层的特征
3) 充分利用数据来提升性能,例如 hard example mining
本文属于充分利用数据这个思路,我们使用对抗网络来生成一些 hard examples ,用这些样本来训练检测网络以此提升检测系统的性能。
3 Adversarial Learning for Object Detection
本文主要侧重于解决遮挡和变形问题。但是对于一些特殊情况的样本很难出现在数据库中。如下图所示:
本文使用的检测系统是 Fast-RCNN,下面来看看Fast-RCNN的整体结构:
对抗网络设计:
这里我们分别设计了两个对抗网络 ASDN and ASTN,分别对应于 遮挡和变形
这里我们使用全链接层产生 Occlusion Mask,遮挡掩模,通过这个Mask 对 feature vector 进行修改,生成遮挡的feature vector ,然后将这个特征进行分类识别,根据识别置信度来选择合适的 Mask 。
Generated Masks :
ASDN 和 ASTN 的组合:
这里的 ASTN 我们使用 Adversarial Spatial Transformer Network
实验对比:
学术意义大于工程意义, 为了简化问题,选择了 Fast R-CNN 而不是 Faster R-CNN .
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- 目标检测“A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection”
- A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- A-Fast-RCNN: Hard positive generation via adversary for object detection
- 阅读小结:A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- [论文笔记]A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection 笔记
- 基于深度学习的目标检测(object detection)—— rcnn、fast-rcnn、faster-rcnn
- 【目标检测】Object Detection Fast RCNN 算法解析
- 对抗网络之目标检测应用:A-Fast-RCNN
- 对抗网络之目标检测应用:A-Fast-RCNN
- 【深度学习:目标检测】 RCNN学习笔记(11):R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 目标检测--A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection
- 嵌入式目标检测--Fast YOLO: A Fast You Only Look Once System for Real-time Embedded Object Detection
- 用于目标检测的rcnn,fast-rcnn,faster-rcnn
- 【目标检测】Object Detection RCNN算法解析
- OpenCV主模块的作用
- android中一个TextView实现不同的样式
- 构建微服务:Spring boot 入门篇
- iOS-聊聊加密的那些事
- 排序算法之选择排序
- 对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection
- CSU素数槽 判断多个素数怎么不超时(素数筛选)
- XML/JSON解析数据,以及数据存储方式
- 常见web漏洞及利用方法
- Genymotion安装与Android Studio配置
- beego + websocket 向页面推送数据(一)
- 606. Construct String from Binary Tree
- AFNetworking初探
- Ajax中根据json数据不同,对页面上的单选框Radio进行回显