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