Training Region-based Object Detectors with Online Hard Example Mining - cvpr 2016 oral
論文地址：Training Region-based Object Detectors with Online Hard Example Mining
知乎：為什么說(shuō)ohem是bootstrapping在dl中的應(yīng)用呢侨歉？
paper里直接說(shuō)的最初的思想就是想把bootstrapping移植到dl當(dāng)中來(lái)铝量，所以產(chǎn)生了ohem吧菠秒。由于bootstrapping本身是迭代算法酥夭，直接應(yīng)用到dl當(dāng)中暂幼，會(huì)使dl的訓(xùn)練變得非常慢藐窄。為此贮泞，作者借用了其核心思想--讓hard example起更大的作用楞慈，提出了ohem。具體的方法就是先讓所有樣本通過(guò)dl計(jì)算出loss,以loss大為hard example的標(biāo)準(zhǔn)啃擦，從而選出hard example來(lái)囊蓝，然后再組成一組batch,進(jìn)行訓(xùn)練。(以上就是我對(duì)原paper的看法令蛉，你可以自己讀下看看)現(xiàn)在聚霜，kaiming he所在的小組（是小組？）提出了一種新的方法-- focal loss, 直接在loss上進(jìn)行變換珠叔，不需要像ohem樣forward兩遍蝎宇，看起來(lái)即簡(jiǎn)潔又實(shí)用。
作者：hekko hello
鏈接：https://www.zhihu.com/question/56092850/answer/216461322
來(lái)源：知乎
著作權(quán)歸作者所有祷安。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)姥芥，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。
