Hard Negative Mining¶
在单个图像的先验框中,属于负样本(背景类别)的数目远远大于属于正样本的数目,所以论文通过HNM
的方式进一步降低负样本的比例
实现策略¶
- 给定正负样本比率a=\frac {1}{3}
- 计算正样本数目N_{p},计算保留的负样本数目N_{n}=3\times N_{p}
- 计算预测得到的边界框的置信度损失
- 根据背景类别的置信度损失对负样本预测框从大到小排序,保留前N_{n}个
具体实现¶
py/ssd/utils/box_utils.py
def hard_negative_mining(loss, labels, neg_pos_ratio):
。。。