【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。