1. One-shot/Zero-shot
Zero-Shot leaarning : 指的是我们之前没有这个类别的训练样本，但是可以学习到一个映射X-->Y。如果该映射足够好的话，那么就能处理这个没有见到的类了。
比如说，我有一个训练模型，从没有训练过狮子的图片，但是我们可以利用这个模型得到狮子的特征，得到的特征可能就和猫、老虎等比较接近，但是离飞机、汽车等比较远
One-Shot learning:在样本很少，甚至只有一个的情况下，在大样本上得到general knowledge，然后再在小样本上进行技巧性的update .
2. SOTA
State of the Art ,表示的是当前技术水平
3.hard negative
指的是使用经过第一次训练的分类器在负样本（负样本上绝对没有我们想要的正样本）上分类，然后将所分类的结果保存，再作为负样本重新进行训练。这样能有效减小误报
4.级联
类比于物理上的电路串联，类似于将多个卷积层堆叠级联，用来提取图片的高级特征，以此来获得更好的分类效果等.....
5.fine-turned
表示的是微调操作
6. R1,R5.R10.MR
所谓的R，指的是Recall，召回率，即正样本中模型识别为正样本的比例
True positive :正样本被正确识别成正样本
True negatives :负样本被识别成负样本
False Positive: 原本是负样本，但是被模型识别成了正样本
False negative：原本是正样本，但是被模型错误分成了负样本
假如有一个模型，是专门识别猫的图片的，那么：
prediction =
recall =
7.mAP和AP
AP指的是average-Precision，而mAP指的是mean average-precision.
按照查全率和查准率绘制二维曲线，AP指的就是曲线下的面积，而mAP指的是对多个类别的AP再求平均。该指标越大越好。
