【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。