一、正負樣本不均衡問題 Class Imbalance(正負樣本不平衡) 帶來的問題就是:樣本中會存在大量的easy examples,且都是負樣本(屬於背景的樣本)。這樣,easy negative examples會對loss起主要貢
學習率是一個非常重要的參數,可以直接影響模型的收斂與否。不同的學習率變更策略也會影響最終的迭代結果。 下面以sgd優化方法,來介紹各種策略。caffe框架中的策略包括fixed,step,exp,inv,multistep,poly,si
mining_type參數詳解: // Mining type during training. // NONE : use all negatives. // MAX_NEGATIVE : select negatives based