【论文阅读纪录】如何处理深度学习中图像的标注遗漏（missing annotation）

前言：

{

    很久没有更新了，这是因为之前我很幼稚地觉得写博客有点浪费时间。但是现在看来，不整理笔记的话学习效率更低，所以还是继续更新了。

    今天的这个话题是之前多目标识别[1]的后续。本来想换个数据集试试目标检测任务，但是现在遇到些棘手的问题，其一就是如何处理样本的标注遗漏（missing annotation）。

    下面简单纪录我读到的相关论文。

}

 

正文：

{

    Soft Sampling for Robust Object Detection[2]：

    {

        论文中的图1直观的展现了目标检测任务中标注遗漏的问题。

       

        这就引出了一个严重的问题：如果验证和测试集也有标注遗漏，那对于表现较好的模型也太不公平了（因为表现较好的模型在此验证和测试集上很可能会产生更多的假阳输出）。

        之后作者做了一个实验，见图2。

       

        mAP是mean Average Precision的缩写&