mtcnn分析

0.adboost

1.Violajones方法

在论文[1]里面使用级联的adboost变成比较强分类器,提高了人脸准确率

2.cascadecnn笔记

使用了adboost级联的思想。

3.Bootstrapping算法

假设抽样的样本大小为n,在原样本中有放回地抽样吗，抽取n次，每抽取一次形成一个新的新的样本，重复操作，形成很多新样本。通过这些样本就可以计算出样本的一个分布。

4.OHEM

全名是online hard example mining 不明觉厉,貌似是基于经典的boosttrapping方法。

5.mtcnn

mtcnn借用了cascadecnn级联的cnn net级联思想，并使用了多任务训练的思想。

[1] Viola P, Jones M J. Robust Real-Time Object Detection[C]// International Workshop on Statistical and Computational Theories of Vision -- Modeling, Learning, Computing, and Sampling. 2001:87.

[2] cascadecnn笔记 

[3] violajones face detector笔记 

[4] Shrivastava A, Gupta A, Girshick R. Training Region-based Object Detectors with Online Hard Example Mining[J]. 2016:761-769.

转载于:https://www.cnblogs.com/hellokittyblog/p/8186178.html