一.focal loss论文
二.focal loss提出的目的
- 解决one-stage目标检测是场景下前景和背景极度不平衡的情况(1:1000)
- 让模型在训练的时候更加关注hard examples(前景)。
- 另外two-stage的检测器是用一下两个方法来解决类别不平衡问题的:
- 提取候选框的过程实际上就消除了很多背景框,因为提取的候选框是大概率包括目标的
- 在第二个阶段训练的时候,minibatch一般被认为的固定正负样本的比例,大致是1:3
三.focal loss原理
1.CE(cross entropy) 交叉熵