正样本:我们想要正确分类出的类别所对应的样本,例如,我们要对一张图片进行分类,以确定其是否属于汽车,那么在训练的时候,汽车的图片则为正样本。
负样本:不是汽车的其他图片。
难正样本(hard positives):错分成负样本的正样本,也可以是训练过程中损失最高的正样本
难负样本(hard negatives):错分成正样本的负样本,也可以是训练过程中损失最高的负样本
易正样本(easy positives):容易正确分类的正样本,该类的概率最高。也可以是训练过程中损失最低的正样本
易负样本(easy negatives):容易正确分类的负样本,该类的概率最高。也可以是训练过程中损失最低的负样本
以上为个人理解,如有错误或者疑义,欢迎私信给我!