文章目录
hard-negative mining
对于目标检测中我们会事先标记ground truth,然后再算法中会得到一系列的目标检测结果,这些结果跟ground truth可能有重合,也可能没有重合,那么重合度(IOU)超过一定阈值(通常0.5)的则认定为是正样本,以下的则是负样本。然后扔进网络中训练。However,这也许会出现一个问题那就是正样本的数量远远小于负样本,这样训练出来的分类器的效果总是有限的,会出现许多false positive(假阳性),把其中得分较高的这些false positive当做所谓的hard negative,既然mining出了这些hard negative,就把这些原始图像再扔进网络训练一次,从而加强分类器判别假阳性的能力。
参考 https://zhidao.baidu.com/question/2057524755538670027.html