【簡評】[CVPR2017]Loss Max-Pooling for Semantic Image Segmentation

現有方法 1.構建數據集時近似均勻地採樣，保證每種類別分佈較爲均勻 這種方法在image-level上還比較方便操作，在semantic segmentation上難以保證 2.對minority classes進行上採樣或者對majority classes進行下采樣缺點： 會改變數據潛在分佈 對數據不是最優利用（suboptimal exploitation），比如可能會丟掉一些majorit

>>阅读原文<<