Fork

物体检测中的训练样本采样 直播笔记 嘉宾:商汤科技研究副总监 陈恺

一、分析

分类得到的score与目标得分不一定同高同低,比如:

image-20190919201812482

image-20190919202249149

二、提出HLR

image-20190919203003707

当D的IoU从0.92 -> 0.81时,D的重要性应该是不变的。

image-20190919203124509

image-20190919203316792

image-20190919211623872

image-20190919203650877

image-20190919204115598

三、提出PISAimage-20190919204230157

(1)ISRimage-20190919204425556

image-20190919204459626

(2)CARL

考虑两个分支的耦合关系:image-20190919204604743

添加分支$L_{carl}$来抑制不重要的sample造成的影响,其中f(${s_i}$)为predict confidenceimage-20190919204640773

image-20190919204906303

(3)PISA的效果(效果好,更适配多尺度变化):

image-20190919205336703

左边为正样本的ISR,横坐标为前几的top框,可见达到了期望,重要的样本loss大。image-20190919205425324

image-20190919205815750

image-20190919205923882

image-20190919205933142