目标检测中的困难样本挖掘方法
哪些公司问过
答案要点
- SSD 难负样本挖掘:按分类损失排序取高损失负样本,正负比约 1:3
- OHEM:对所有候选区域算损失,只用损失最大的样本反向传播
- Focal Loss:乘 (1-p)^γ 降低易分样本权重,支撑 RetinaNet 一阶段训练
- GHM:按梯度密度降权,同时抑制大量易样本和极难的离群样本
- Libra R-CNN 的 IoU 平衡采样,按 IoU 区间均匀采负样本
易错点
- 只挖难负样本却忽视正样本数量太少的问题
- 把 Focal Loss 说成是用来处理类别间不均衡的唯一手段,它主要针对难易样本
- OHEM 中忘记对重叠候选框去重,导致梯度重复计算
面试官常见追问
- OHEM 和 Focal Loss 的区别?
- 困难样本挖掘过度会有什么问题?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。