难例挖掘思想

╰半夏微凉° 2022-12-01 01:29 63阅读 0赞

**概念**：对于分类来说：

**正样本**：我们想要正确分类出的类别所对应的样本，例如，我们需要对一张图片分类，确定是否属于猫，那么在训练的时候，猫的图片就是正样本。  
**负样本**：根据上面的例子，不是猫的其他所有的图片都是负样本  
**难分正样本(hard positives)**：错分成负样本的正样本，也可以是训练过程中损失最高的正样本  
**难分负样本(hard negatives)**：错分成正样本的负样本，也可以是训练过程中损失最高的负样本  
**易分正样本(easy positive)**：容易正确分类的正样本，该类的概率最高。也可以是训练过程中损失最低的正样本  
**易分负样本(easy negatives)**：容易正确分类的负样本，该类的概率最高。也可以是训练过程中损失最低的负样本。

**困难负样本采样步骤：**  
固定模型，在一个 mini batch 中，首先根据设置的阈值将 prior box 或者 anchor 分为正负样本  
计算所有样本的 confidence loss  
将正样本的 confidence loss 置零  
对 confidence loss 降序排序  
根据正样本的数量，选择 confidence loss 前 top-k 的负样本作为困难负样本（一般正负样本比例为1：3)  
选择所有正样本和 top-k 负样本计算 confidence loss  
选择所有正样本计算 location loss

**正负样本阈值设置**  
在 SSD 中，一个 gt box 是有可能匹配到大于 1 的 prior box的，在一个 mini-batch 内，具体匹配策略为：  
**简单的说法是这样（先从 groudtruth box 出发，为每个 groudtruth box 找到最匹配的一个 prior box 放入候选正样本集；然后再尝试从剩下的每个 prior box 出发，寻找与 groundtruth box 满足 IoU≥0.5 ）**

**详细的说法是这样**  
对于每个 prior box 计算与每个 gt 的 IOU，选择最大 IOU 对应的 gt 作为与此 prior box 匹配的 gt(每个 prior box 匹配到一个 gt),根据设置的阈值（一般为 0.5），如果与 prior box 匹配的 gt 的 IOU 小于阈值，则这个 prior box 为负样本，否则为正样本  
对于每个 gt 计算与每个 prior box 的 IOU，选择最大 IOU 对应的 prior box 作为与此 gt 匹配的 prior box(每个 gt 匹配到一个 prior box，不管阈值设置为多少，这个 prior box 都是正样本)  
在 S3FD 中，采用了一种两阶段 prior box 匹配策略来补偿小脸匹配到的 prior box 不足的情况（正样本）：

第一阶段：降低设置的阈值（从 0.5 降到 0.35，这样可以提高所有 gt 匹配到的 prior box 的数量  
第二阶段：第一阶段之后，可能还有一些小脸和 prior box 设计尺度之间的脸没有匹配到足够的 prior box。此时，对这些脸，继续降低设置的阈值到 0.1，选择 top-N 的 IOU 作为匹配到的 prior box，N 的大小是第一阶段所有脸的平均值。

**难例挖掘与非极大值抑制 NMS 一样，都是为了解决目标检测老大难问题（样本不平衡+低召回率）及其带来的副作用。**

**SSD中难例挖掘的做法：**  
先将每一个物体位置上对应 predictions（prior boxes）loss 进行排序。 对于候选正样本集：选择 loss 最高的几个prior box集合与候选正样本集进行匹配(box索引同时存在于这两个集合里则匹配成功)，匹配不成功则删除这个正样本（因为这个正样本不在难例里已经很接近ground truth box了，不需要再训练了）；对于候选负样本集：选择 loss 最高的几个 prior box 与候选负样本集匹配，匹配成功则作为负样本。这就是一个难例挖掘的过程，举个例子，假设在这8732个prior box里，经过 FindMatches 后得到候选正样本 P 个，候选负样本那就有 8732−P 个。将 prior box 的 prediction loss 按照从大到小顺序排列后选择最高的 M 个prior box。如果这 P 个候选正样本里有 a 个box不在这 M 个prior box里，将这 a 个box从候选正样本集中踢出去。如果这 8732−P 个候选负样本集中包含的8732−P 有 b 个在这 M 个prior box，则将这 b 个候选负样本作为最终的负样本。总归一句话就是：选择 loss 值高的难例作为最后的负样本参与 loss 反传计算。

在目标检测中我们会事先标记好ground\_truth，接下来在图片中随机提取一系列sample，与ground\_truth重叠率IoU超过一定阈值的(比如0.5)，则认为它是positive sample，否则为negative sample，考虑到实际负样本数>>正样本数，我们为了避免network的预测值少数服从多数而向负样本靠拢，取正样本数：负样本数大约为1:3，显而易见，用来训练网络的负样本为提取的负样本的子集，那么，我们当然选择负样本中容易被分错类的困难负样本来进行网络训练。

为了解决正负样本不均衡的问题(负例太多了), 我们应该剔除掉一些容易分类负例, 那么与 ground truth 的 IOU 在 \[0, 0.1)之间的由于包含物体的特征很少, 应该是很容易分类的, 也就是说是 easy negitive, 为了让算法能够更加有效, 也就是说让算法更加专注于 hard negitive examples, 我们认为 hard negitive examples 包含在\[0.1, 0.5) 的可能性很大,所以训练时, 我们就在这里 随机选取样本训练。

我们先验的认为 IOU 在\[0, 0.1)之内的是 easy example, 但是, \[0, 0.1) 中包含 hard negitive examples 的可能性并非没有, 所以我们需要对其做 hard negitive mining, 找到其中的 hard negitive examples 用于训练网络.。

按照常理来说 IOU 在\[0, 0.1)之内 会被判定为真例的概率很小, 如果这种现象发生了, 可能对于我们训练网络有很大的帮助, 所以 Fast RCNN 会对与 ground truth 的 IoU 在 \[0, 0.1)之内的是 example 做 hard negitive examples（难例）.