论文 A-fast-RCNN

对抗网络之目标检测应用：A-Fast-RCNN
论文连接
caffee代码

1）Easy example 和Hard example的基本概念：

Easy Example：
直观上来讲，太易于识别的样本对于训练来讲意义并不太大，有一部分就够了，因为太明显了嘛，大家都认识；
Hard Example：
比较难以区别的样本，比如目标在 变形、遮挡、逆光 等情况下的 Performance，别人不说你无法识别的那种。
样本挖掘 通常是找出样本中的 Hard Examples，典型的论文就是OHME。

2）OHME简介

传统机器学习中训练 SVM 的时候，通过初始的分类器进行分类（检测）测试，得到的误报即称为 Hard Example，将其加入到训练样本中，重新训练分类器，这种方法称为 Bootstrap（自举）。
OHEM 就是 BootStrap 方法在深度卷积网络中的应用。

这是基于 Fast RCNN 的结构进行改造的，卷积网络的上半部分是 Fast RCNN 的网络。修改加工的地方在于：
1）添加了一个 Hard ROI Sampler，用于挖掘 Loss 比较大的 Proposal