中国绅学我术大草 论文简介 问题引入： 目前目标检测的框架一般分为两种：基于候选区域的two-stagel的检测框架(r-cnn系列)，基于回归的 one-stage的检测框架(yolo、ssd系列)，two-stage?效果好但是速度慢，one-stage速度快但是效果差。 为什么one-stagel的检测器准确率不高？作者给出的解释是由于正负样本不均衡的问题。样本中会存在 大量的easy examples,.且都是负样本（属于背景的样本）。这样，en masse easy negative examples:会对loss起主 要贡献作用，进而主导梯度的更新方向。网络无法学习有用的信息，无法对object进行准确分类。 (1)training is inefficient as most locations are easy negatives that contribute no useful learning signal; (2)en masse,the easy negatives can overwhelm training and lead to degenerate models.论文简介 问题引入： 目前目标检测的框架一般分为两种：基于候选区域的two-stage的检测框架（r-cnn系列），基于回归的 one-stage的检测框架（yolo、ssd系列），two-stage效果好但是速度慢，one-stage速度快但是效果差。 为什么one-stage的检测器准确率不高？作者给出的解释是由于正负样本不均衡的问题。样本中会存在 大量的easy examples，且都是负样本(属于背景的样本)。这样，en masse easy negative examples会对loss起主 要贡献作用，进而主导梯度的更新方向。网络无法学习有用的信息，无法对object进行准确分类。 (1) training is inefficient as most locations are easy negatives that contribute no useful learning signal; (2) en masse, the easy negatives can overwhelm training and lead to degenerate models