深度学习中的一些名词和概念(持续更新)

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