faster rcnn的解读这两篇文章写的很好，很清楚。面试时被问了这个问题，专门记录下来。
回顾fast rcnn样本选取问题
在faster rcnn 中，首先通过selective search 产生了2000个候选框，在进行一个批次训练的时候选择R_sel个框进行训练（文中batch size=128），一个mini-batch中正负样本的比例按照1：3选取，且与groundtruth的IoU>=0.5的为正样本，0.1<IoU<0.5的为负样本。
P.S. 这里设置为0.1的原因是，作者认为与groundtruth有一定交叠的背景更可能是比较困难的负样本，这样选择负样本有助于收敛和提高准确性，但不难发现，这种选取方法忽略了一些重要的及困难的背景区域。
faster rcnn的正负样本选取问题
faster rcnn相比fast rcnn，主要贡献之处在于提出了RPN（区域建议网络，Region Proposal Networks）代替selective search去获得候选框。网络在训练时先训练rpn网络，这时训练好的rpn网络的作用就类似于selective search 提供候选框，然后再训练rcnn网络。（这是一个迭代的过程，具体见[1]）
因此faster rcnn有两次选择正负样本的操作，一次发生在RPN部分，RPN可以产生（提出）大约20,000个框[1]，其中大量的框都是无目标的背景，因此要进行选择平衡的正负样本用于训练RPN。在训练了RPN后，我们训练rcnn，先通过RPN产生大约20,000个预测框，通过对前景概率排序，NMS等系列操作（具体见[2]），得到了2000个候选框，与上述的fast rcnn 相同，这2000个候选框也不是全部用于训练，于是出现第二次样本选择。
RPN的正负样本选择
RPN将20000多个候选的anchor选出256个anchor进行分类和回归位置。选择过程如下：
对于每一个ground truth bounding box（gt_bbox），选择和它重叠度（IoU）最高的一个anchor作为正样本。
对于剩下的anchor，从中选择和任意一个gt_bbox重叠度超过0.7的anchor，作为正样本，正样本的数目不超过128个。
随机选择和gt_bbox重叠度小于0.3的anchor作为负样本。负样本和正样本的总数为256。
rcnn的正负样本选择
2000个候选框不是都拿去训练，而是利用选择128个用以训练。选择过程如下：
候选框和gt_bboxes 的IoU大于0.5的，选择一些作为正样本（比如32个）。
选择 RoIs和gt_bboxes的IoU小于等于0（或者0.1）的选择一些（比如 128-32=96个）作为负样本。
补充 OHEM（在线困难样本挖掘，Online Hard Example Mining）
OHEM也是一种对正负样本的采样，OHEM的主要思想认基于这样一个假设：更多地训练困难样本可以提升网络的性能，OHEM认为困难样本即损失较大的样本。
上图以fast rcnn为例说明OHEM的过程，（绿色）对于每一个候选框Ri，只进行前向传播，计算Ri的损失，然后选择损失最大的（比如128）个样本，被认为是困难样本，进行反向传播的训练（红色），最后将学习的参数同步更新到绿色区域的网络。
值得注意的是，fast rcnn中一个mini-batch中正负样本的比例按照1：3选取，而OHEM移除了这个设定。
再值得一提的是，与OHEM相反，在PISA中的作者提出更倾向关注那些与gt目标有最高IOU的样本（更小的loss）。
- 目标检测中的样本不平衡处理方法——OHEM, Focal Loss, GHM, PISA
错误之处，请大家在评论区指正~。: )