学界 | 用对抗网络生成训练数据：CMU论文A-Fast-RCNN的Caffe实现

文章预览

选自Github 作者：王小龙等 机器之心编译 参与：李泽南 最近，卡耐基梅隆大学（CMU）的王小龙等人发表的论文《A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection》引起了很多人的关注。该研究将对抗学习的思路应用在图像识别问题中，通过对抗网络生成遮挡和变形图片样本来训练检测网络，取得了不错的效果。该论文已被 CVPR2017 大会接收。 论文链接：http://www.cs.cmu.edu/~xiaolonw/papers/CVPR2017_Adversarial_Det.pdf Github：https://github.com/xiaolonw/adversarial-frcnn 论文：A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection 摘要 如何确定物体探测器能够应对被遮蔽、不同角度或变形的图像？我们目前的解决方法是使用数据驱动的策略，收集一 ………………………………