hard negative mining

本文探讨了视觉跟踪领域中Hard Negative Mining技术的重要性。该技术通过筛选出难以区分的负面样本进行训练,有效提高了分类器的准确性和效率,避免了将部分目标误判为完整目标的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目前在看visual tracking相关的论文,有的论文中会用到hard negative mining技术,hard negative mining是什么意思呢?

训练时有positive 样本和negative 样本,但在训练过程中大多数的negative examples 是没有用的或者说用处不大。negative 样本分为不包含目标的样本、包含部分目标的样本,也就是容易判别/不容易判别为背景的样本。训练好classifier后,验证时经常会出好多错误,原因就是把包含部分的目标的样本判别为目标。

如果在训练时采用不容易判别的negative 样本进行训练也就是hard negative 样本会很大的提高classifier的准确率和效率。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值