深度学习中正样本、负样本、简单样本、困难样本的区别 （简单易懂）

推荐整理分享深度学习中正样本、负样本、简单样本、困难样本的区别 （简单易懂），希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！

在读论文或者看一些博客的时候，经常会出现这种名词：正样本、负样本、简单样本以及困难样本，最近自己为了加深这方面的理解，参考网上的一些资料，整理了下这几者之间的区别，方便自己查看也方便初学者快速了解。

正样本： 与真值对应的目标类别来说该样本为正样本。 负样本： 与真值不对应的其他所有目标类别来说该样本为负样本。 简单样本： 预测时与真值标签误差较小的样本。 困难样本： 预测时与真值标签误差较大的样本。

补充下：真值其实就是我们选择的这个样本的，比如说当前样本是猫，其他的狗、马之类的就不是真值。

我们以猫狗分类来举例说明什么是正负样本：

label = dog 的所有图片都是 这个类的正样本，其他图片作为负样本 label = cat 的所有图片都是 这个类的正样本，其他图片作为负样本

同理，在目标检测任务中

box 中有目标对象就是正样本，没有目标对象，也就是前景，看做负样本

接下来我们在用图片分类来说明什么是简单困难样本：

假如我们需要识别马、羊、牛三个类别。 给一张马的图片。对于预测马来说这个样本为正样本，对于预测羊和牛来说该样本为负样本。 真值one-hot标签：[1, 0, 0],而在预测出概率分布为[0.3, 0.3, 0.4]时， 真值one-hot标签相差较大，则此时该样本是困难样本。 而预测出[0.98, 0.01, 0.01]时，与真值one-hot标签相差较小，则此时该样本为简单样本。

对于困难样本因为真值one-hot标签[1,0,0] 其中按照我们人为思路给定的这张为马的图片概率是1，但是预测出来的概率为0.3，这与实际相差太大了，所以称这样的样本为困难样本。

1. 文献1 2. 文献2