Bootstrapping Face Detection with Hard Negative Examples，arxiv 16.08

- Bootstrapping Face Detection with Hard Negative Examples，arxiv 16.08（download）

    昨天在微博上看到这个论文的时候，很是惊讶，为啥？因为出自小米的为发烧而生（跑分）

    =====

    论文比较短，主要提出了一个hard negative mining的方式，以及基于faster-rcnn的基础上，利用resnet-50，来训练face detector，在FDDB数据集上获得目前state-of-art的效果。

    （笔者认为其效果的提升大部分源于resnet，即选择了更好的模型，hard ming的效果为其次）

    =====

    hard negative mining:

        1 构造一个init training dataset：所有的positive rois和一部分随机选出的negative rois，来训练模型（初步的）

        2 按照hard negative mining的alternative 方式进行：

    用训练好的模型对所有的negative  rois进行刷选，选出符合定义的hard negatives，

            并加入到初始构建的training dataset（至于在加入hard negatives之前，有没有扔掉当前的easy negatives，就不清楚了）

3 更新好training dataset后，重新训练模型

        4 重复步骤2）和3）直到收敛到较好的效果

    =====

    之所以这样，如zhujin老大说的那样，一开始模型并不知道什么是easy negative，什么是hard negative，

    需要先训练好一个初始的模型，然后再进行hard negative mining。

    在交替进行的hard negative mining，每次更新training dataset时，其hard negative的定义越来越严格

    （笔者是这么认为的）。

    =====

    论文具体的hard mining过程如下：（更为详细的，请见论文）

    =====

    效果如下：（具体可以见：http://vis-www.cs.umass.edu/fddb/results.html）

=====

如果这篇博文对你有帮助，可否赏笔者喝杯奶茶？