【论文阅读记录】Unsupervised Hard Example Mining from Videos for Improved Object Detection

前言：

{

    在https://github.com/amusi/awesome-object-detection里看到了论文《Unsupervised Hard Example Mining from Videos for Improved Object Detection》（https://arxiv.org/pdf/1808.04285.pdf）。论文主要是关于使用视频来提升目标检测的效果，也是我最近想了解的。

    这次添加了一个新分类，之后应该会持续更新这个分类。

}

正文：

{

    第一节讲述了本论文对于提升模型效果的主要方向—大量增加困难样本（hard example）（来自视频）。

    之前我也有想过通过视频来提升模型效果，不过这篇论文倒是给出了具体的方法。

    在介绍本论文的方法前，作者先介绍了3种目前的方法：active bias；on-line hard example mining（OHEM）和 focal loss。

    本论文的方法的基础在于：视频的图像具有连贯性，目标不太可能突然出现又突然消失（也不太可能突然消失又突然出现），见图1。

   

  &nbs