for 2018.12.3

最新推荐文章于 2020-06-28 12:10:04 发布

petSym

最新推荐文章于 2020-06-28 12:10:04 发布

阅读量256

点赞数

CC 4.0 BY-SA版权

分类专栏： python machine learning

本文链接：https://blog.youkuaiyun.com/petSym/article/details/84781003

machine learning 同时被 2 个专栏收录

20 篇文章

订阅专栏

python

14 篇文章

订阅专栏

本文探讨了在线硬样本挖掘技术在区域基目标检测器训练中的应用，通过损失值排序及非极大抑制选择困难样本，优化网络训练过程。同时，介绍了ScreenerNet与GlanceNets等方法在自我节奏课程学习中的作用，以及Focal Loss在损失函数改进方面的潜力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【for 18.12.09】
参考 https://blog.youkuaiyun.com/u010678153/article/details/52639185 Training Region-based Object Detectors with Online Hard Example Mining根据loss从高到低排序，以及利用NMS，来选出前K个props？？？将选出的K个props（可以理解成hard examples）扔到RoINet2，这时的RoINet2和Fast RCNN的RoINet一样，计算K个props的loss，并回传梯度/残差给ConvNet，来更新整个网络？

《ScreenerNet: Learning Self-Paced Curriculum for Deep Neural Networks》论文提出一个附加网络来帮助主网络区分样本难易程度。

《GlanceNets》中有公式看是否可以参考。专利文章中公式看是否可以参考。（自适应阈值）

2018.12.3
https://blog.youkuaiyun.com/qq_16234613/article/details/79794588
中 Fine-tuning Convolutional Neural Networks for Biomedical Image Analysis
一文的计算图像的难分程度，在我们的人体姿态估计中，看看怎样转换成一张图片，或者一个关节点的的难判断程度。

参考
https://blog.youkuaiyun.com/c9Yv2cf9I06K2A9E/article/details/78920998
和 https://blog.youkuaiyun.com/qq_34564947/article/details/77200104
看focal loss能否用于我们loss函数的改进。