让写点什么成为习惯

论文：Segmentation Transformer: Object-Contextual Representations for Semantic Segmentation文章提出一种新的目标上下文特征表示方法，方法本质上是用注意力建立点和对象区域的上下文关系。背景和动机获取目标的上下文特征有两种主流方法，一是以ASPP为代表的多尺度模块，ASPP通过对特征图中的点进行稀疏采样获得上下文，这种方式获得上下文既包含前景目标，也可能包含背景。另一种被称为 Relational context，这种方式

记录下来，主要是给自己查漏补缺，也给大家一个面试的借鉴。面试时长90分钟，面试60min+算法题和反问30min，面试官很nice，在面试过程中能感受到他的技术深度和见识广度。实习相关我实习主要做的是机器学习方面，问了我如何设计特征，如何判断特征的好坏等等（不过这些本来就是简历里的东西）论文相关（我是菜鸡~，没有项目）流程大致是:整体介绍，（这个论文是做什么样的任务，达到怎么样的效果）网络设计，（网络如何设计的），面试官是完全明白了我的网络，问我有没有了解过显著性检测里的F3Net，说

类间不平衡（class imbalance） 尺度不平衡（scale imbalance） 空间不平衡（spatial imbalance） 多任务不平衡（objective imbalance） 背景-前景不平衡 前景-前景不平衡 目标尺寸不平衡 特征尺度不平衡 定义类间不平衡: 属于不同类别的样本数量差异显著。前景-背景不平衡：正负例样本数量差异显著，比如rpn提出的候选框负例远大于正例。 前景-前景不平衡：检测的目标其出现频率在数.

回顾fast rcnn样本选取问题