El documento de la conferencia Jean Ogier Du Terrail, Frédéric Jurie. ON THE USE OF DEEP NEURAL NETWORKS FOR THE DETECTION OF SMALL VEHICLES IN ORTHO-IMAGES. Conferencia internacional del IEEE sobre procesamiento de imágenes, Sep 2017, Beijing, China. ( PDF ) utiliza los términos "minería dura" (6×), "minería dura" (2×), "ejemplos duros" (3×), "duro ejemplo minero" (1×), "duro negativo" (2×), "muestras duro-negativas" (1×) y "estrategias de minería duro-negativa" (1×).
No tengo ni idea de lo que significa el especificador "duro" en este contexto. Como se menciona junto con bootstrapping, sospecho que podría tratarse de un término estadístico y no de SIG o IA/IR/aprendizaje automático/detección visual de objetos o redes neuronales artificiales (convolucionales profundas). (Por supuesto, podría ser un término específico de la teledetección).
[...]
2.3. Estrategias de Hard-Mining
El Bootstrapping ofrece un lo en la elección de los ejemplos difíciles. Por ejemplo, se podría elegir un número limitado de falsos positivos por imagen o fijar un umbral un umbral y elegir un falso positivo sólo si su puntuación es superior a un umbral fijo (0,5, por ejemplo). [...]
¿Significa "duro" (en general, o dentro de los términos enumerados anteriormente) algo específico en estadística y, en caso afirmativo, qué? Por el contexto, supongo que no se refiere a la dificultad del problema.
Me imaginé que podría estar relacionado "pruebas contundentes", pero eso no me ayudó a determinar lo que podría significar aquí.
