有點懂在幹嘛了
本質上就使用不同策略訓練特徵提取部分跟分類器
長尾學習來說 backbone一般常用cross entropy這種非重加權的損失函數來學習通用特徵
分類器再用重採樣或重加權來學習少數特徵
放到語義分割來說
就是先跑一次一般訓練
然後凍結encoder 然後再訓練decoder
但decoder不知道要重train多少
最後一層 還是 整個
唉 沒啥能照抄的東西 麻煩