从视频中无监督挖掘困难样本以改进目标检测

近期，通过采用聚焦于{\em 困难负样本}（即当前被检测器评为正样本或模糊的负样本）的训练目标，目标检测取得了重要进展。当网络被训练以纠正这些样本时，它们能强烈影响参数。遗憾的是，它们在训练数据中往往稀疏，且获取代价高昂。本工作中，我们展示了如何通过分析训练好的检测器在视频序列上的输出，{\em 自动}获取大量困难负样本。具体而言，在时间上{\em 孤立}的检测（即没有相关联的前序或后续检测）很可能是困难负样本。我们描述了从未经标注的视频数据中挖掘大量此类困难负样本（以及困难{\em 正样本}）的简单流程。我们的实验表明，在这些自动获取的样例上重新训练检测器通常能显著提升性能。我们给出了在多种架构与多个数据集上的实验，包括人脸检测、行人检测及其他目标类别。