难例挖掘没听明白

Question

Prediction、Loss是怎么计算的？
我的理解是prediction loss高的就是用这个prior box，预测里面有目标的分类效果不好，loss就会高。(其实里面根本没有目标物体？)
然后这些loss高的priorbox要分别与正样本集和负样本集 算IOU？再加入正负样本集？既然是loss高的prior box加入到原来的正负样本集 是否会污染样本集？

难例应该就是预测效果不好的那些prior box吧？就是prediction loss高的那些，如果是这样，第一步其实对他们进行降序排序的时候就得到了topN的难例了。后续的操作没明白是在做什么。。。

Answer 1

会写代码的好厨师 2019-07-26 11:45:48

可以简单这样理解。把loss排序，找到loss大的，这些是预测效果不好的。我们的目的是将这些预测不好的piror box放到我们的训练集中。注意，这里并不是说pirorbox. 是我们图片中的目标，只是说他是一个正样本，这个区域是正样本对应的特征，真正的bbox坐标或者说这个区域对应的label有两个，第一是他是一个正确的候选区域，第二，目标的真实坐标。网络再pirorbox会有回归的部分再来矫正预测的坐标。

• 提问者 慕桂英雄 #1

  还是没太明白，意思是这些priorbox的分类预测表现不太好，然后我们直接手动给他们做标记，为以后的训练扫清障碍？