一種簡(jiǎn)單的利用方式是將Mega Detector預(yù)測(cè)的BBox 裁剪出來(lái)，同原圖一起送給網(wǎng)絡(luò)進(jìn)行訓(xùn)練，這樣可以有效環(huán)節(jié)ROI 尺寸過(guò)小的問(wèn)題。   不過(guò)這種方案的缺陷在于，如此訓(xùn)練分類網(wǎng)絡(luò)，會(huì)使得網(wǎng)絡(luò)獲得兩個(gè)scale完全不同的輸入，一個(gè)是原圖，一個(gè)是BBox裁剪出的圖像，這會(huì)對(duì)分類網(wǎng)絡(luò)學(xué)習(xí)特征帶來(lái)一定的干擾。

為此，團(tuán)隊(duì)修改了策略，同時(shí)訓(xùn)練兩個(gè)網(wǎng)絡(luò)。分別輸入原始圖像，和Mega detector裁剪出的置信度最高的bbox圖像。 在預(yù)測(cè)階段，再將網(wǎng)絡(luò)的輸出進(jìn)行Ensemble，從而可以同時(shí)捕捉到原圖全局的信息和BBox中前景的信息。  挑戰(zhàn)二：不同背景造成的問(wèn)題 除過(guò)ROI 儲(chǔ)存過(guò)小之外，另一個(gè)問(wèn)題是訓(xùn)練集的camera trap 取景位置和測(cè)試集的camera trap 不相交所導(dǎo)致的背景差異問(wèn)題。

訓(xùn)練集圖片均來(lái)自于藍(lán)色點(diǎn)表示的區(qū)域，它和紅色區(qū)域沒有相交。   因此這會(huì)造成domain shift的問(wèn)題。即在訓(xùn)練地表現(xiàn)好的模型并不一定也會(huì)在test地有同樣表現(xiàn)。因?yàn)槟Ｐ陀锌赡軐W(xué)到一些和location相關(guān)的信息，而它們不是可以用于分類動(dòng)物的通用信息。   此外，與正常的domain adaptation不同，iWildCam 的訓(xùn)練集包括很多不同domain（如果將每個(gè)camera trap地點(diǎn)作為一個(gè)domain，則訓(xùn)練集包含441個(gè)，而測(cè)試集包含111個(gè)）。  因此，如果能利用訓(xùn)練集中的位置標(biāo)注來(lái)幫助網(wǎng)絡(luò)學(xué)習(xí)location invariant的特征，那么網(wǎng)絡(luò)就可捕捉更多與位置無(wú)關(guān)而和分類相關(guān)的信息。   對(duì)此，domain adaptation領(lǐng)域非常著名的論文Unsupervised domain adaption by backpropagation為團(tuán)隊(duì)提供了啟發(fā)。

如上圖首先可以假設(shè)，如果在原來(lái)的2048維上加一個(gè)額外位置（location）的classifier，那么網(wǎng)絡(luò)提取的特征就會(huì)傾向于將不同location的特征相互推遠(yuǎn)。如上方右圖所示（不同形狀表示不同類別，不同顏色表示不同），雖然每個(gè)類別的特征之間有分類的可分性約束，但是location之間的相互排斥也會(huì)導(dǎo)致一些location圖片的特征被推到一個(gè)不太有利于分類的局面，從而導(dǎo)致網(wǎng)絡(luò)學(xué)到的特征并不能實(shí)現(xiàn)location invariant，從而在測(cè)試集上表現(xiàn)欠佳。   對(duì)此，文章提出一個(gè)非常簡(jiǎn)單的梯度翻轉(zhuǎn)的技巧來(lái)實(shí)現(xiàn)location invariant。

如上方左圖所示，在梯度反傳經(jīng)過(guò)location classifier時(shí)將梯度乘－1，從而實(shí)現(xiàn)翻轉(zhuǎn)梯度的方向。 

因此在右圖可以看到，原本的推開不同location之間特征的梯度經(jīng)過(guò)翻轉(zhuǎn)后，會(huì)將其一起拉近。在加上分類的約束后，可以保證網(wǎng)絡(luò)學(xué)到的特征表示實(shí)現(xiàn)location invariant，并且還能保證分類的效果，提高網(wǎng)絡(luò)對(duì)之前未見的location的泛化性能。   挑戰(zhàn)三：數(shù)據(jù)長(zhǎng)尾分布

上方指數(shù)圖展示的是數(shù)據(jù)的分布情況，可以看到數(shù)目最多的類別有超過(guò)十萬(wàn)張圖，而最少的類別可能只有不到十張圖片，一般而言，將類別數(shù)多的類別稱為head類，類別數(shù)少的類別稱為tail類 。  因此，如果直接隨機(jī)采樣batch來(lái)訓(xùn)練分類模型，會(huì)見到很多head類樣本，而tail類樣本則很少見到，這樣會(huì)使得模型更偏向于預(yù)測(cè)head類而不是tail類，從而損傷網(wǎng)絡(luò)的表示能力。  因此，對(duì)于長(zhǎng)尾分布，一般有兩種解決方案，一種是Re－Sampling， 另外一種是Re－ Weighting。