目标检测 | OHEM
参考:https://blog.csdn.net/app_12062011/article/details/77945600
参考:http://www.cnblogs.com/sddai/p/10277383.html
参考:https://blog.csdn.net/u012426298/article/details/81773319
Object Hard example mining:
这里分2种Hard example mining方法,分别对应于优化SVM的算法和非SVM的算法:
1、优化SVM时使用Hard example mining,用于维持训练SVM和在工作集上收敛的平衡迭代过程,且在更新过程中去除工作集中的样本并添加其他特殊的标准;如去掉容易区分的样本类,添加现有模型不能判断的样本类,进行新的训练;工作集为训练集中的一小部分数据;
2、非SVM时使用,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,模型在这些数据集中训练使其达到该数据集上收敛,并应用到未训练的负样本集中,将判断错误的负样本加入训练集,重新进行训练;这种过程只迭代一次,不获得大量的再训练收敛过程;
OHEM算法基于Fast R-CNN算法改进,将Fast R-CNN算法中通过mini-batch来进行SGD算法,认为其不具备高效和最优状态,反之OHEM可以获得lower training loss和higher mAP;如下就是比较Fast R-CNN和OHEM结构:
在如上的第二个网络结构中,在给定的图像经过selective search RoIs后,以及计算出卷积特征图;在绿色的(a)中,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RoI的loss选择B个样本;在红色部分(b)中,这些选择出的难训练样本(hard example)重新进入RoI网络,再一次进行前向和反向传播;
最新文章
- ABP框架 - 启动配置
- DevExpress VGridControl 行宽自动调整
- Spring对hibernate的事物管理
- ref和out的区别?
- Linux下各硬件装置的文件名
- Universal-Image-Loader 使用步骤
- ASP.NET仿新浪微博下拉加载更多数据瀑布流效果
- POJ 3528 求三维凸包表面积
- Entity Framework笔记(一)
- 在Magento产品页面的使用jqZoom
- 用Chrome开发者工具做JavaScript性能分析
- windows服务器下IIS7 安装URL Rewrite(URL重写)模块
- yaourt 之 Curl 错误
- metasploit 教程之信息收集
- 确定有穷自动机(DFA)的化简(最小化)
- element 时间选择器——年
- AI学习吧-购物车-添加商品接口
- noip2017逛公园
- 整合MyBatis(springboot)
- Java&;Android TimeUtil ~ A Good Util!