1. hard-negative mining
??????negative相對于positive，是相對于正樣本來說，不含有目標的負樣本。但是，negative包括很多，有完全不包含目標的的，也有部分含有的，也就是容易/不容易被分為負樣本的。其中比較容易被判定是負樣本（比如全是背景）的對于訓練并不能起到很好的監督作用。我們需要找一些難劃分的負樣本，也就是hard negative，來增強網絡的判別性能。

???????在訓練好分類器之后進行分類，但是發現，分類器效果不是很好，經常會得到一些錯誤的正樣本，這個時候這些判別錯誤的樣本可以作為負樣本繼續訓練網絡。

2. 具體的流程
（1）在檢測問題中，預定義的分類器得到的錯誤結果，也就是FP，記錄其對應特征和分類器得到的概率。
（2）重新訓練
按概率值進行排序，再使用排序后的對應特征重新訓練分類器
（3）迭代以上過程

reference
https://blog.csdn.net/wangsidadehao/article/details/55052898
https://blog.csdn.net/lanchunhui/article/details/71194703
---------------------?
作者：豬肉粒?
來源：CSDN?
原文：https://blog.csdn.net/zhubaoguai/article/details/80011719?utm_source=copy?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

總結

以上是生活随笔為你收集整理的关于hard-negative mining的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。