ataraxialab / detectiontricks Goto Github PK

预处理技巧：

1. Data augmentation：Random crops, contrast and color jittering
2. pretrained on LOC + pretrained global context：在LOC上训练时，得到proposal以后，做roi pooling时，多出一支在roi周围加一圈background后再进行pooling.

基础模型：

1. identity-mapping: 更改了residual的部分的模型

训练技巧：

1. balanced sampling: 按类进行训练，在load data的时候从200类中选择一个类，再从这个类的图片中选择一张进行训练
2. multi-scale training: 短边600,800,1000的都训
3. OHEM：选择hard example(loss比较高的)重新丢入网络中进行训练，ref:http://blog.csdn.net/u012905422/article/details/52760669

RPN训练技巧：

1. cascade RPN:在faster rcnn alternate training中迭代训练几次RPN+fast rcnn，然后将RPN取出来使用？多个模型分别做这个操作，然后把rois拿出来一起输入到后面网络中
2. constrained neg/pos :1.5:1, minBatchSize=32,即将config中TRAIN.RPN_FG_FRACTION=0.5->0.4，TRAIN.RPN_BATCHSIZE=256->32

测试技巧：

1. box voting: 在测试时进行，多个box投票得出最终位置
2. model fusion：多个模型训练结果fusion

add google inception v3 result

Hi,

Look at here

Have you evaluate the impact of simplifying FPN anchors assignment?

In my experiments, using muti-scale anchors in each level bring some false alarms around the small objects.

Best,
Zehao

add resnet 152 result with all database

Hi,
Have you met Floating Point Exception in metric_fpn.py when using the asnumpy function?