Focal Loss 反向求导及darknet上的实现
Focal Loss 可以解决不平衡分类问题,是在交叉熵损失函数上的扩展。详见,论文:Focal Loss for Dense Object Detection。
该文,主要推导FL在softmax函数下的求导,以及记录在darknet上的实现。
FL损失函数如下:
FL(pt)=−α(1−pt)γlog(pt) F L ( p t ) = − α ( 1 − p t ) γ l o g ( p t )
其中 pt p t 为:
pt={
p, 1−p,if y==1 otherwise p t = { p , if y == 1 1 − p , otherwise
softmax公式:
pi=exi∑ek p i = e x i ∑ e k
我们的目标得到x对FL的导数:
dFLdxi=dFLdpi∗dpidxi d F L d x i = d F L d p i ∗ d p i d x i
又,
dFLdpt