论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining
来源:互联网 发布:netextender是什么软件 编辑:程序博客网 时间:2024/05/16 08:38
CVPR2016的文章,CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~
文章提出了一种通过online hard example mining(OHEM)算法训练基于区域的卷积检测算子的高效目标检测算法,能够对简单样本和一些小数量样本进行抑制,使得训练过程更加高效。该方法利用显著的bootstrapping技术(SVM中被普遍利用),对SGD算法进行一定的修改,使得原有的region-based ConvNets的启发式学习和多参数可以被移除,并得到较准确稳定的检测结果。在PASCAL VOC2007和2012中的mAP分别为:78.9%,76.3%。https://github.com/abhi2610/ohem
Hard example mining:
主要有2种参见Hard example mining算法,优化SVM时候的算法和非SVM时的利用。
在优化SVM中使用Hard example mining时,训练算法主要维持训练SVM和在工作集上收敛的平衡迭代过程,同时在更新过程中去除一些工作集中样本并添加其他特殊的标准。这里的标准即去掉一些很容易区分的样本类,并添加一些用现有的模型不能判断的样本类,进行新的训练。工作集为整个训练集中的一小部分数据。
非SVM中使用时,该Hard example mining算法开始于正样本数据集和随机的负样本数据集,机器学习模型在这些数据集中进行训练使其达到该数据集上收敛,并将其应用到其他未训练的负样本集中,将判断错误的负样本数据(false positives)加入训练集,重新对模型进行训练。这种过程通常只迭代一次,并不获得大量的再训练收敛过程。
网络结构框架:
OHEM算法基于Fast R-CNN算法进行改进,作者认为Fast R-CNN算法中创造mini-batch用来进行SGD算法,并不具有高效和最优的状态,而OHEM可以取得lower training loss,和higher mAP。对比下图两种算法Fast R-CNN和OHEM结构:
对比可以发现,文章提出的OHEM算法里,对于给定图像,经过selective search RoIs,同样计算出卷积特征图。但是在绿色部分的(a)中,一个只读的RoI网络对特征图和所有RoI进行前向传播,然后Hard RoI module利用这些RoI的loss选择B个样本。在红色部分(b)中,这些选择出的样本(hard examples)进入RoI网络,进一步进行前向和后向传播。
实验结果:
实验得到了很好的实验结果,这里仅附mAP结果:
- 论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining
- OHEM-Training Region-based Object Detectors with Online Hard Example Mining - cvpr 2016 oral
- OHEM安装运行(Training Region-based Object Detectors with Online Hard Example Mining)
- 【论文笔记】(CVPR2016 Oral) Training Region-based Object Detectors with Online Hard Example Mining
- 论文笔记 | Training Region-based Object Detectors with Online Hard Example Mining
- 论文笔记:Training Region-based Object Detectors with Online Hard Example Mining
- Training Region-based Object Detectors with Online Hard Example Mining
- Training Region-based Object Detectors with Online Hard Example Mining
- Training Region-based Object Detectors with Online Hard Example Mining
- 论文提要“Training Region-based Object Detectors with Online Hard Example Mining”
- 论文阅读-《Training Region-based Object Detectors with Online Hard Example Mining》
- Training Region-based Object Detectors with Online Hard Example Mining - cvpr 2016 oral
- [文献阅读]Training Region-based Object Detectors with Online Hard Example Mining
- Training Region-based Object Detectors with Online Hard Example Mining(CVPR2016 Oral)
- Training Region-based Object Detectors with Online Hard Example Mining - cvpr 2016 oral
- 目标检测--Training Region-based Object Detectors with Online Hard Example Mining
- Training Region-based Object Detectors with On line Hard Example Mining阅读笔记
- 论文笔记--FaceNet & Online Hard Example Mining
- 215. Kth Largest Element in an Array
- Android中的ViewPager
- 数据结构实验之链表一:顺序建立链表
- TypeError: view must be a callable or a list/tuple in the case of include()
- 运用Python的turtle库绘制等边三角形
- 论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining
- java集合的优缺点
- ssl/tls 学习资料
- chrome 点击上传文件选择框会延迟几秒才会显示 反应很慢
- 欧拉函数模板
- NSString的几种常用方法
- 提升 Android 性能的建议
- IntelliJ操作GitHub的git.exe位置
- [学习笔记]java方向需要了解的基础内容