for 2018.12.3

【for 18.12.09】
参考 https://blog.csdn.net/u010678153/article/details/52639185 Training Region-based Object Detectors with Online Hard Example Mining根据loss从高到低排序，以及利用NMS，来选出前K个props？？？将选出的K个props（可以理解成hard examples）扔到RoINet2， 这时的RoINet2和Fast RCNN的RoINet一样，计算K个props的loss，并回传梯度/残差给ConvNet，来更新整个网络？

《ScreenerNet: Learning Self-Paced Curriculum for Deep Neural Networks》论文提出一个附加网络来帮助主网络区分样本难易程度。

《GlanceNets》中有公式看是否可以参考。专利文章中公式看是否可以参考。（自适应阈值）

2018.12.3
https://blog.csdn.net/qq_16234613/article/details/79794588
中 Fine-tuning Convolutional Neural Networks for Biomedical Image Analysis
一文的计算图像的难分程度，在我们的人体姿态估计中，看看怎样转换成一张图片，或者一个关节点的的难判断程度。

参考
https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/78920998
和 https://blog.csdn.net/qq_34564947/article/details/77200104
看focal loss能否用于我们loss函数的改进。