目標檢測中的數據增強、backbone、head、neck、損失函數

一、數據增強方式 random erase CutOut MixUp CutMix 色彩、對比度增強 旋轉、裁剪 解決數據不均衡： Focal loss hard negative example mining OHEM S-OHEM GHM（較大關注easy和正常hard樣本，較少關注outliners） PISA 二、常用backbone VGG ResNet（ResNet18，50，100）

>>阅读原文<<