하드 네거티브
모델이 실제로는 배경이지만 객체로 오인하기 쉬운 까다로운 샘플을 의미한다. 이를 명시적으로 배경으로 학습시키면 모델의 오탐지(False Positive)율을 획기적으로 낮출 수 있다.