机器学习中的正负样本

参考于
我们经常涉及到的任务有检测以及分类。

针对与分类问题，正样本则是我们想要正确分类出的类别所对应的样本，例如，我们要对一张图片进行分类，以确定其是否属于汽车，那么在训练的时候，汽车的图片则为正样本，负样本原则上可以选取任何不是汽车的其他图片，这样就可以训练出来一个汽车的分类网络，对这个网络进行测试会发现，它会将一些非汽车的图片误报成汽车，这些误报的图片则为“难分样本”，后续进行训练的时候，将这些难分样本加入至负样本集合中进行训练，最后得到的网络模效果会更好一些，这个过程就叫做“难例挖掘”。另外，在选取负样本的时候，原则上是可以选择任意非汽车的图片作为负样本，但是比较合理的情况应该是要考虑到实际应用场景，例如实际应用是对行车记录仪上面捕捉到的图片进行分类，那么，负样本则应该是捕捉到的其他非汽车的图片，例如马路，树木，路灯等。

针对与检测问题，需要确定哪里有什么，也就是既要对位置进行回归，还要进行分类，这时的正样本就是我们事先标注出来的bbox框之中的部分，但是一般的检测框架，都是按照一定的规则生成一些预测bbox，那么在进行正样本的选取时，就需要判断这些生成的bbox与GT的bbox之间的overlap，如果overlap大于某一阈值，则将该预测bbox作为正样本，如果没有超过这一阈值，则认为是负样本。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：

给定输入图像以及每个物体的Ground Truth，首先找到每个Ground True Box对应的Default Box中IOU最大的作为正样本。然后，在剩下的Default Box中找到那些与任意一个Ground Truth Box的IOU大于0.5的Default Box作为正样本。其他的作为负样本（每个Default Box要么是正样本Box要么是负样本Box）。如上图中，两个Default Box与猫匹配，一个与狗匹配。在训练过程中，采用Hard Negative Mining 的策略（根据Confidence Loss对所有的Box进行排序，使正负例的比例保持在1:3） 来平衡正负样本的比率。

引自http://lanbing510.info/2017/08/28/YOLO-SSD.html

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。