ECCV18 | 无监督难分样本挖掘改进目标检测

(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)

大量训练数据有助于目标检测系统性能的提升，对于已经训练好的系统而言，有研究发现，那些被系统误分类的少量“难分样本”，加入训练集重新训练能得到显著的性能提升。

但如果在实际系统中人工手动核验大量检测结果找出往往极少量的难分样本则是极其昂贵的。来自美国马萨诸塞大学的研究人员发明了一种无需人工干预的简单有效的难分样本挖掘方法，使得通过视频低成本获取难分样本成为可能。
这篇文章来自ECCV2018录用论文《Unsupervised Hard Example Mining from Videos for Improved Object Detection》，说它简单，因为全文无公式，只需要一张图就能表达其核心思想。
作者信息：

来看看官方的视频介绍：

重点来了！请看下图：

这里展示了一个视频序列中突然出现的负样本。作者认为，将目标检测用于视频时，某一帧中若是有一个目标突然出现，下一帧又突然消失，则此处检测的目标极有可能是难分样本。这被称为视频目标检测的闪烁（flicker）。
下面的图展示了难分样本挖掘的基本思想：

在视频序列中进行人脸检测，黄色框出的人脸是时间连续的出现的目标，红色框是检测闪烁，在红色框周围前后帧局部临域通过模板匹配（NCC实现），寻找是否有与其匹配的区域，若是有则认为这是检测器出错了，将其加入难分负样本。而那些连续被检测出来的框也不一定是正样本，将其加入伪正样本（pseudo-positives）。
同样的思路可以扩展到难分正样本挖掘，如下图：

实验结果
基线模型使用VGG16-based Faster R-CNN，在Caltech行人检测库和WIDER人脸检测库上，作者验证了使用该无监督难分样本挖掘对再训练后提高精度的有效性。
Caltech行人检测的改进结果：

WIDER人脸检测的改进结果：

部分挖掘得到的难分样本示例：

再训练时使用不同的挖掘出的样本的改进示例（HN：难分负样本，HP：难分正样本）：

再FDDB上的取得的改进结果

作者还扩展到其他类别，从YouTube上下载视频，使用在MS-COCO数据库上训练的关于Dog和Train检测的VGG16-based Faster R-CNN模型，从视频中挖掘难分样本，再训练后同样获得了可观的性能改进。

这篇文章给出了一种非常简单低成本无监督的难分样本挖掘，挖掘得到的样本对目标检测系统再训练后取得了显著的性能提升，作者称代码将开源。

工程主页：
http://vis-www.cs.umass.edu/unsupVideo/

论文下载：

在“我爱计算机视觉”公众号对话界面回复hard，即可收到论文的百度云下载地址。

更多精彩推荐：

ECCV18 | UC伯克利提出基于自适应相似场的语义分割

ECCV18 Oral | CornerNet目标检测开启预测“边界框”到预测“点对”的新思路

BMVC18|无监督深度关联学习大幅提高行人重识别性能（附Github地址）

(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~)

【本文由“我爱计算机视觉”发布,2018年09月05日】

ECCV18 | 无监督难分样本挖掘改进目标检测相关推荐

深度学习难分样本挖掘（Hard Mining）
来源:深度学习这件小事本文约1500字,论文复现了一遍建议阅读5分钟本文为你介绍关于难分样本的挖掘,如何将难分样本抽取出来. 最近看了几篇文章关于难分样本的挖掘,如何将难分样本抽取出来,通过训练, ...
ECCV18 | 如何正确使用样本扩充改进目标检测性能（附Github地址）
(欢迎关注"我爱计算机视觉"公众号,一个有价值有深度的公众号~) 众所周知,在计算机视觉识别任务中,对训练样本进行增广是非常重要的,可以减少过拟合.改进模型泛化性能. 在大多数视觉 ...
剖析Focal Loss损失函数：消除类别不平衡+挖掘难分样本 | CSDN博文精选
作者 | 图像所浩南哥来源 | CSDN博客论文名称:< Focal Loss for Dense Object Detection > 论文下载:https://arxiv.org/ ...
大连理工IIAU Lab提出SSLSOD：自监督预训练的RGB-D显著性目标检测模型(AAAI 22)
作者丨Lart 编辑丨极市平台导读本文在显著性目标检测任务(SOD)中,首次引入自监督预训练.凭借提出的有效的前置任务(pretext task),在仅使用少量无标签的RGB-D数据进行预训练的情 ...
OHEM(Online Hard Example Mining)在线难例挖掘(在线困难样例挖掘) HNM (目标检测)
Hard Negatie Mining与Online Hard Example Mining(OHEM)都属于难例挖掘,它是解决目标检测老大难问题的常用办法,运用于R-CNN,fast R-CNN,f ...
2019 sample-free（样本不平衡）目标检测论文阅读笔记
点击我爱计算机视觉标星,更快获取CVML新技术本文转载自知乎,已获作者同意转载,请勿二次转载 (原文地址:https://zhuanlan.zhihu.com/p/100052168) 背景 < ...
目标检测 dcn v2_使用Detectron2分6步进行目标检测
目标检测 dcn v2 Have you ever tried training an object detection model using a custom dataset of your ow ...
解决目标检测中的难分样本（漏检测与误检测问题）
1.SRGAN 论文题目:Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial 论文链接:https ...
YOLOv4重磅发布，五大改进，二十多项技巧实验，堪称最强目标检测万花筒
今年2月22日,知名的 DarkNet 和 YOLO 系列作者 Joseph Redmon 宣布退出 CV 界面,这也就意味着 YOLOv3 不会再有官方更新了.但是,CV 领域进步的浪潮仍在滚滚向前 ...

ECCV18 | 无监督难分样本挖掘改进目标检测

ECCV18 | 无监督难分样本挖掘改进目标检测相关推荐

最新文章

热门文章