车产翻译模板 机器学习中的正负样本
日期:2023-03-11 12:39:36 / 人气: 850 / 发布者:成都翻译公司
对于机器学习中的正负样本问题,之前思考过一次,但是后来又有些迷惑,又看了些网上的总结,记录在这里。下面摘录一段博客中的解释,是针对与SSD训练中的正负样本的生成问题:具体的代码还没有仔细研究,FasterRcnn也是类似的策略,它们的代码都值得好好研究一下,但是目前还不知道yolo再选取负样本的时候有没有用到什么策略,有时间应该拜读一下论文。关于机器学习中的正负样本问题,我之前想过一次,但后来有点糊涂了。我阅读了一些在线摘要并记录在此处。
我们经常涉及的任务是检测和分类。
对于分类问题,正样本就是我们要正确分类的类别对应的样本。例如,我们需要对一张图片进行分类,以确定它是否属于汽车。那么在训练过程中,汽车的图片是一个正样本。原则上,一个负样本可以选择任何其他不是汽车的图片车产翻译模板,这样就可以训练一个汽车的分类网络。在这个网络上测试会发现车产翻译模板,它会将一些非汽车图片误报为汽车。假阳性图片是“困难样本”。在后续的训练中,这些硬样本被加入到负样本集中进行训练。*终的网络模型效果会更好。这个过程被称为“困难的例子”。Dig”。另外,在选择负样本时,原则上,您可以选择任何非汽车图片作为负样本,但更合理的情况应该考虑实际应用场景,例如实际应用是行车记录仪上拍摄的图片。那么对于分类,负样本应该是其他非汽车图片,如道路、树木、路灯等。
针对检测问题,需要判断哪里有什么东西,也就是位置回归,还要分类。这时候正样本就是我们预先标出的bbox box的一部分,但是一般的检测框架都是按照一定的规则生成一些预测的bbox,所以在选择正样本的时候需要判断重叠在这些生成的 bbox 和 GT bbox 之间。如果重叠大于某个阈值,则将预测的 bbox 视为正样本。如果没有超过这个阈值,就被认为是一个负样本。以下摘自博客中的解释,针对SSD训练中正负样本的生成:
给定输入图像和每个物体的Ground Truth,首先找到每个Ground True Box对应的Default Box中*大的IOU作为正样本。然后,在剩余的 Default Boxes 中,找到那些与任何 Ground Truth Box 的 IOU 大于 0.5 的 Default Box 作为正样本。其他被视为负样本(每个 Default Box 要么是一个正样本 Box,要么是一个负样本 Box)。如上图,两个默认框匹配猫,一个匹配狗。在训练过程中,采用了Hard Negative Mining的策略(所有box都按照Confidence Loss进行排序,使得正负例的比例保持在1:3),以平衡正负的比例例子。
引自
具体代码没有仔细研究。FasterRcnn 也是一个类似的策略。他们的代码值得研究。但是目前不知道yolo选择负样本的时候有没有什么策略。如果你有时间,你应该阅读这篇论文。
相关阅读Relate
热门文章 Recent
- 北卡罗来纳大学学位证书翻译模板 北卡罗莱纳州立大学2023-03-11
- 英国签证结婚者翻译模板 英国签证毕业典礼(通用版)2023-03-11
- 翻译硕士复试联系导师模板 研究生复试联系导师邮件怎么写?四个模板供参考2023-03-11
- 专业的专利文献翻译模板诚信为先 我们有一件PCT是中文撰写的,想要落地美国,但是时间非常紧张,来不及翻译2023-03-11
- 身份保证书翻译模板 学历获取保证书模板2023-03-11
- 比利时签证翻译模板 比利时探亲签证所需材料.docx2023-03-11
- 翻译实践报告承诺书模板 暑期社会实践活动:安全承诺书2023-03-11
- 兼职翻译服务合同范本模板 翻译服务合同书通用模板2023-03-11
- 字幕翻译模板 英文喜剧影片字幕翻译策略[Word文档]2023-03-11
- 阿拉伯联合酋长国驾照翻译模板 阿联酋驾照翻译-阿拉伯联合酋长国国外驾照换中国驾照2023-03-11