Deep learning 为什么我们在用深度学习训练目标检测器时需要忽略锚？
在大多数论文中，如retinanet（），它计算每个锚和地面真相之间的iou。并根据iou阈值为每个锚提供地面真相分配。比如说, 具体而言，使用0.5的联合交点（IoU）阈值将锚定指定给地面真实对象框；如果他们的IoU在[0,0.4]中，则返回地面。由于每个锚点最多分配给一个对象框，我们将其长度k标签向量中的相应条目设置为1，将所有其他条目设置为0。如果锚点未分配，这可能与[0.4,0.5]中的重叠一起发生，则在训练期间将忽略该锚点 这里的问题是，如果在训练时忽略锚点，则在进行反向传播时锚点将不会更新。因此，许多锚点无法更新参数 那么，训练时不包括所有主播的原因是什么 多谢各位Deep learning 为什么我们在用深度学习训练目标检测器时需要忽略锚？,deep-learning,object-detection,Deep Learning,Object Detection,在大多数论文中，如retinanet（），它计算每个锚和地面真相之间的iou。并根据iou阈值为每个锚提供地面真相分配。比如说, 具体而言，使用0.5的联合交点（IoU）阈值将锚定指定给地面真实对象框；如果他们的IoU在[0,0.4]中，则返回地面。由于每个锚点最多分配给一个对象框，我们将其长度k标签向量中的相应条目设置为1，将所有其他条目设置为0。如果锚点未分配，这可能与[0.4,0.5]中的重叠一起发生，则在训练期间将忽略该锚点 这里的问题是，如果在训练时忽略锚点，则在进行反向传播时锚点将不