CNN: single-label to multi-label总结

1，概述

首次看多目标检测的文章。文中指出多目标检测有两个框架：1）BoW，2）DL。BoW还没看过。当然本文用的是DL中的CNN（好处多多）。

 

首先，这篇文章是在程明明提出BING以后的一次应用。本文提出了一种HCP的框架结构（Hypotheses-CNN-Pooling），检测方法是利用BING和HS提取提取hypotheses作为CNN的输入，每个hypotheses产生一个c维的预测结果，然后通过max pooling得到最终的多目标检测。

 


2，训练

HCP的框架结构与“Imagenetclassification with deep convolutional neural networks”提到的结构相似。
Shared cnn的训练分两个部分：
1）initializationof HCP
这一部分又分为两步：

第一步：pre-trainingon single-label image set

对整幅图片resize，pre-train,提取patches扔到CNN中去训练；

第二步：image-tine-tuningon multi-label image set

把整幅图片（没有crop）resize以后作为训练样本得到c维的预测结果pi = [pi1; pi2; :::pic]，label vecter为yi = [yi1; yi2;:::yic]，The ground-truth probability vector定义为

，并利用loss
function微调



作者提到这一步很关键（I-FT）,如果没有效果下降很明显。至于原因，3.2中有提到，多目标与单目标有很大的区别。



2）Hypotheses-fine-tuning

这一部分（H-FT）也很重要，因为对于去噪很关键。利用BING和HS得到的Hypotheses产生多个c维向量后max pool得到预测结果后利用第一部分第二步中的loss function微调

 

3，优点

1）         nobounding box annotation 文中的训练采用的是label，costly少泛化能力高

2）         去噪能力好（前面提到）。

3）         Hypotheses数量任意，没有明确的标签要求。

4）         Sharedcnn可以用single label imageset微调，解决多目标训练效率低的问题

5）         输出即结果