hard negative mining分析得最好的理解

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014381600/article/details/79161261

hard negative mining的理解，摘自：这里写链接内容

：
R-CNN在训练SVM分类器时使用了难分样本挖掘（hard negative mining）的思想，但Fast R-CNN和Faster R-CNN由于使用端到端的训练策略并没有使用难分样本挖掘（只是设置了正负样本的比例并随机抽取）。CVPR2016的Training Region-based Object Detectors with Online Hard Example Mining(oral)将难分样本挖掘(hard example mining)机制嵌入到SGD算法中，使得Fast R-CNN在训练的过程中根据region proposal的损失自动选取合适的Region Proposal作为正负例训练。实验结果表明使用OHEM（Online Hard Example Mining）机制可以使得Fast R-CNN算法在VOC2007和VOC2012上mAP提高 4%左右。