我的一些理解

[jinweiisgreat]

说一下我的理解和问题：

1. 做不了细分类的原因是，训练阶段的mini-batch是只获取IoU0.5以上的框，目的就是对已知instance建模。因此整个模型就没有考虑到unknown instance。只是在test的时候，或者说，相当于后处理方法，给目标一个分数来判断是否是已知或者未知，这也是为什么文中会说：“Furthermore, since background proposals usually overwhelm the mini-batch, we sample the same number of foreground and background proposals, enabling our model to recall unknown objects from the background class.”
2. 我的问题是，我在 只找到正样本部分，没找到处理负样本的代码。这虽然会让正样本类会更近，但并不会让不同类的样本更远呀？
   希望得到回复！谢谢

[csuhan]

1. 是的。模型只能找到和foreground相似的unknown
2. 正样本：known classes。负样本：background。在known classes + background之间计算contrastive loss会让不同类更远的。