weixin_42649699的博客

本文参考别人的博客所写，怕自己忘记所以写下此博客，方便以后翻阅。信息量信息奠基人香农（Shannon）认为“信息是用来消除随机不确定性的东西”，也就是说衡量信息量的大小就是看这个信息消除不确定性的程度。总结来说就是：信息量的大小与可预见的概率之间成反比。 信息量越大，可预见的概率越大；信息量越小，可预见的概率越小。设某一事件发生的概率为P(x)，其信息量表示为：其中，I(X)表示信息量，这里log表示以e为底的自然对数，P表示事件发生的概率。信息熵信息熵也被称

一、前言在以往的目标检测任务中，一阶段的方法往往会比两阶段的检测算法精度要低，造成一阶段检测效果不佳的原因如下：1、负样本的数量过多，导致正样本的loss被覆盖，就算正样本的loss非常大也会被数量庞大的负样本中和掉，从而导致整个样本集的损失值较小，而这些正样本才是我们要检测的前景区域；2、难样本往往是前景和背景区域的过渡部分，这类样本难以被区分，所以称难样本。剩下的易样本往往较好计算，导致模型非常容易就收敛了。但是损失函数收敛了并不代表模型效果好，因为我们更需要把那些难样本训练好，这样才能增强