机器学习中的正负样本

分类任务中会有明显的正负样本，比如猫狗分类，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。
但是目标检测detection任务，以anchor-based的框架来说，还是一张含有猫的图，gt是猫的bbox和category，match到gt的就置位正样本，没match的就是前景，看作负样本。真正是用这些sample对应的feature去做分类和回归的，可见负样本是很多的…
所以才有各种做正负样本均衡的方法，比如faster rcnn的实现，focal loss，refinedet等等。

参考链接：https://www.zhihu.com/question/277527313

机器学习中的正负样本最先出现在Python成神之路。