【论文笔记 Detection】OHEM: Training Region-based Object Detectors with Online Hard Example Mining

前言

OHEM: Training Region-based Object Detectors with Online Hard Example Mining 发表在CVPR2016上。

参考内容如下：

• Training Region-based Object Detectors with Online Hard Example Mining [paper] [OHEM中文笔记]
• S-OHEM: Stratified Online Hard Example Mining for Object Detection [paper]

文章内容

1. Fast RCNN 网络结构

2. 带OHEM的Fast RCNN网络结构

总结

实现方式一：修改loss层，先为每个ROI计算loss，然后对loss排序，选取loss较大的一部分，其余的loss置0。但由于框架的限制，这种方式仍需为每个ROI分配空间，且每个ROI都将参与反向传播，尽管部分ROI的loss已置0。

实现方式二：设置两个一样的ROI网络，令其中一个只读，即只参与前向传播和计算所有ROI的loss，而不参与反向传播。在对loss排序后，将选取的hard ROIs作为另一个ROI网络的输入，由该普通的ROI网络进行反向传播训练。