主要参考:

有参考很多文章与博客,有的可能忘记放出处了,侵权请联系,马上修改~

文章目录

  • Online Hard-Example Mining(在线难例挖掘)
  • 网络
    • OHEM和Focal loss

Online Hard-Example Mining(在线难例挖掘)

RPN网络(两阶段网络中,使用区域提议网络RPN在产生目标区域建议框)中目标可能被很多框标记,这些框中有的包含了整个目标;有的框可能只包含不完全的目标,这类框是错的,可以将其判定为难例。
通过不断被难例训练就可以使网络具有更好的鲁棒性。

通常,每个图像随机选择256个ROI(这个应该是可以指定的),一些作为前景(目标),一些作为背景。

在OHEM方法中,将传统的ROI的随机选择替换为基于其损失值的选择。在排序前要进行 NMS非极大抑制,区域根据其loss损失值进行排序,只有足够高的区域才会传递给分类学习模块。

这确保了对网络错误最多的样本(困难的样本)的学习,分别对背景和前景对象进行选择,以确保在每个梯度下降步骤中有足够数量的正样本和负样本。

网络


OHEM中有两组ROI Network,其中
(a)是绿色
是一个可读(read-only)的ROI Network,每次只读取权重后进行forward,不参与反向传播和梯度更新

(b)是红色
一个正常功能的ROI Network

对于给定图像,在(a)可读ROI网络 中会对所有的ROI区域计算loss,loss的大小可以反映难易程度。随后会对loss进行排序,选择前batch size个样本送入(b)可读可写的 ROI 网络中,进行执行前向计算和反向传播更新网络。

OHEM和Focal loss

OHEM和Focal loss为了解决类间差别大 都做了两件事:
一是正负样本的平衡
二是难例挖掘

OHEM本身用在了一个two-stage的模型上,那么正负样本就是可控的,OHEM做的事情是难例挖掘的过程;

Focal loss应用在one-stage模型上,无论如何正负样本都不能自由组合,所以只能靠最后计算损失的时候抑制负样本,抑制简单样本,挖掘难例。
Focal loss有两个部分,一个是平衡交叉熵系数 和Focal loss新增的系数 。


关于Focal loss的详细结束可以移步我其他的文章。

小目标检测2_OHEM相关推荐

  1. 小目标检测的增强算法

    小目标检测的增强算法 Augmentation for small object detection 摘要 近年来,目标检测取得了令人瞩目的进展.尽管有了这些改进,但在检测小目标和大目标之间的性能仍有 ...

  2. YOLOV5 的小目标检测网络结构优化方法汇总(附代码)

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨南山 来源丨 AI约读社 YOLOv5是一种非常受欢迎的单阶段目标检测,以其性能和速度著称,其结 ...

  3. YOLO-Z | 记录修改YOLOv5以适应小目标检测的实验过程

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨ChaucerG 来源丨集智书童 随着自动驾驶汽车和自动赛车越来越受欢迎,对更快.更准确的检测器 ...

  4. 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨ChaucerG 来源丨集智书童 编辑丨极市平台 导读 针对微小目标的特征分散和层间语义差异的问 ...

  5. 快速小目标检测--Feature-Fused SSD: Fast Detection for Small Objects

    Feature-Fused SSD: Fast Detection for Small Objects 本文针对小目标检测问题,对 SSD 模型进行了一个小的改进,将 contextual infor ...

  6. 浙江大学 | 深度域自适应和小目标检测挑战、技术和数据集:调研

    来源:专知本文为论文,建议阅读5分钟 本文对域自适应目标检测(DDA-OD)和小目标检测(tiny OD)两大检测方向进行全面调研,详细介绍了代表性算法.涨点技术和相关数据集. 论文标题: A Sur ...

  7. 【浙大出品】基于扩展FPN的小目标检测方法

    关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 作者:黄浴 知乎链接:https://zhuanlan.zhihu.com/p/1 ...

  8. 小目标检测的一些问题,思路和方案

    来源:机器学习研究组订阅 机器学习正越来越多地进入我们的日常生活.从个人服务的广告和电影推荐,到自动驾驶汽车和自动送餐服务.几乎所有的现代自动化机器都能"看"世界,但跟我们不一样. ...

  9. 摄像头图像分析目标物体大小位置_小目标检测的增强算法

    版权声明:本文来源 程序媛的小世界https://zhuanlan.zhihu.com/p/135397874 Augmentation for small object detection 摘要 近 ...

  10. 【深度学习】小目标检测、图像分类、图像识别等开源数据集汇总

    编辑丨极市平台 导读 本文收集整理了多个小目标检测.图像识别.图像分类等方向的开源数据集,本次还有猫咪.斯坦福狗狗数据集以及3D MNIST数字识别等- 宠物图像数据集 数据集下载地址:http:// ...

最新文章

  1. python拷贝linux文件到windows_windows python文件拷贝到linux上执行问题
  2. 卡巴斯基实用技巧推荐(卡巴斯基使用者必看)
  3. 米其林全球挑战赛电子门票欣赏
  4. 带列表写入文件出错先 json.dumps
  5. django url 生效_django 定制管理页面外观 模板文件不生效的解决方法
  6. Opencv之Vs编译
  7. Win10技巧:如何确定电脑是否适用Hyper-V虚拟机?
  8. 软件测试报告模板--实用--绝对靠谱
  9. 【路由器无线桥接的步骤实现】水星路由器MW150R作为副路由器无线桥接TP-Link主路由器
  10. 神经元图片结构图,人脑神经元图片
  11. 爬豆瓣读书Top250
  12. 转载130个原文网站,原文链接:https://blog.csdn.net/qq_43901693/article/details/100606828
  13. 国家区块链漏洞库 《区块链漏洞定级细则》发布
  14. 武汉同济医院挂号指南
  15. 深度学习基础之-2.3简单的神经网络(单个输入/多个输入)做线性回归+特征值归一化
  16. R_ggparliament_会议布局
  17. WebGL开源框架列举概述
  18. 超超经典语录、看的我心拔凉拔凉的、我真的hold不住!!
  19. 基于51的单片机GPS定位系统设计
  20. m.444lu.co show.php,vml圆角矩形最简布局_javascript技巧

热门文章

  1. GMap.NET 使用教程【2】
  2. ShuffleNet,卷积神经网络
  3. C语言回调函数的实现与应用(保姆级讲解)
  4. 一套键盘控制两台电脑 Synergy
  5. java的imagej_java-imageJ插件参数
  6. SAXReader操作xml
  7. 【数据结构】单链表的基本操作及实现
  8. Seata AT模式怎样防止脏写和脏读
  9. 深度学习与强化学习的两大联姻:DQN与DDPG的对比分析
  10. metashape,smart3d,pix4d下载安装教程