正负样本

“深度学习的各种任务”，还是代码看得少了，分类任务中会有明显的正负样本(一张图有猫这个图label就是猫，没猫就是背景)，但是比如detection任务，以anchor-based的框架来说，还是一张含有猫的图，gt是猫的bbox和category，而铺的anchor很多，而match到gt的就置位正sample，没match的负sample，真正用这些sample对应的feature去做分类和回归的，其实可见负样本是很多的。。。，所以才有各种做正负样本均衡的方法，比如faster rcnn的实现，focal loss，refinedet等等。