※ 引述 《sustainer123 (溫水佳樹的兄長大人)》 之銘言：
: 　
: ※ 引述 《sustainer123 (溫水佳樹的兄長大人)》 之銘言：
: : 　
: : 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
: : 　
: 　
: 想了一下
: 　
: 實驗應該可以這樣設計
: 　
: 維持原架構
: 　
: 分別訓練backbone跟分類器
: 　
: 兩種損失函數
: 　
: 總共4種組合
: 　
: 快速測一下要不要繼續投資
: 　
: 畢竟也不少論文討論一階段架構
: 　
: 沒屌用就跳ㄅ
用本來的損失函數當二階段損失函數
模型效果比用原來的損失函數跑一階段訓練來的差
但改用weighted cross entropy
二階段訓練效果就比一階段好了
感覺能研究不同損失函數的效果