hard negative mining

---

1.通过一些方法收集或者制作一批负样本。
2.利用已有的正负样本训练出一个模型。
3.利用这个模型，选择出应该是负样本但被检测为正样本的样本作为下一次的负样本（相当于是找出了容易预测错误的负样本）

因为一些负样本已经得到了很好的优化，能准确的识别，再对此样本优化只是事倍功半。但是有一些样本，模型预测经常错误，这才是应该好好优化的地方。所以单独提取出来训练，这样的好处就是提高效率, 减少因为无效负样本花费的时间。