介绍下OHEM

OHEM（Online Hard Example Mining）是一种在训练神经网络时用于解决类别不平衡问题的技术。在类别不平衡问题中，某些类别的样本数量远远少于其他类别，这会导致模型在预测时过于偏向数量较多的类别，从而影响模型的准确性。

OHEM通过在训练过程中选择难以分类的样本来进行训练，从而提高模型对于少数类别的识别能力。具体来说，OHEM会在每个batch中选择一部分预测错误率较高的样本进行重新训练，这些样本被称为“难例”。

OHEM的优点是可以提高模型对于少数类别的识别能力，从而提高模型的整体准确性。缺点是会增加训练时间和计算复杂度，同时需要设置合适的阈值来确定哪些样本被认为是“难例”。