标准出现问题，人工智能正在走向错误的方向

在我们确定使用COCO之前，我们一直使用ImageNet前5名的结果，所以面临一个更具挑战性的问题。我们无法通过训练检测模型来提高AP，但是可以教会它们减少边界盒坐标的L2损失。损失是不可微度量的替代。L2损失不是AP，但低L2损失与高AP相关，所以它是有效的。

（编辑：ASP站长）

【免责声明】本站内容转载自互联网，其相关言论仅代表作者个人观点绝非权威，不代表本站立场。如您发现内容存在版权问题，请提交相关链接至邮箱：bqsm@foxmail.com，我们将及时予以处理。