OHEM：online hard example mining
論文地址：https://arxiv.org/abs/1604.03540
難例挖掘是指,針對模型訓練過程中導致損失值很大的一些樣本(即使模型很大概率分類錯誤的樣本),重新訓練它們.
維護一個錯誤分類樣本池, 把每個batch訓練數據中的出錯率很大的樣本放入該樣本池中,當積累到一個batch以後,將這些樣本放回網絡重新訓練.
樣本不平衡問題：https://blog.csdn.net/qq_16234613/article/details/79794588
OHEM：https://blog.csdn.net/u012426298/article/details/81773319
文章提出的OHEM算法裏，對於給定圖像，經過selective search RoIs，同樣計算出卷積特徵圖。但是在綠色部分的（a）中，一個只讀的RoI網絡對特徵圖和所有RoI進行前向傳播，然後Hard RoI module利用這些RoI的loss選擇B個樣本。在紅色部分（b）中，這些選擇出的樣本（hard examples）進入RoI網絡，進一步進行前向和後向傳播。