一、目标检测之OHEM Training Region-based Object Detectors with Online Hard Example Mining 论文链接：https://arxiv.org/abs/1604.03540论文详解：https://www.jianshu.com/p/a3cbfa81d86a论文代码：https://github.com/abhi2610/oh

各类损失函数的优缺点介绍； 写的很好很赞； https://blog.csdn.net/weixin_35653315/article/details/78327408 侵删；

OHEM在线难例挖掘原理及在代码中应用 OHEM原理应用PyTorch代码示例1：PyTorch代码示例2： OHEM原理 OHEM（Online Hard Example Mining）在线难例挖掘是一种用于优化神经网络训练的方法。通过在每个迭代中选择最难的样本进行训练，来提高模型的性能。在代码中可以通过使用损失函数和自定义采样器来实现。在传统的训练过程中，模型会在训练集中遇

0 前言 OHEM是CVPR2016的文章，它提出一种通过online hard example mining 算法训练Region-based Object Detectors，其优点： 1.对于数据的类别不平衡问题不需要采用设置正负样本比例的方式来解决，这种在线选择方式针对性更强。 2.当数据集增大，算法可以在原来基础上提升更大。 当我们遇到数据集少，且目标检测positive propos