focal loss
Focal Loss for Dense Object Detection,ICCV 2017, RBG和Kaiming大神
- 作者提出focal loss的出发点是:希望one-stage detector可以达到two-stage detector的准确率,同时不影响原有的速度。
- one-stage detector的准确率不如two-stage detector的原因,作者认为原因是:样本的类别不均衡导致的。
- 不平衡导致的后果:负样本数量太大,占总的loss的大部分,而且多是容易分类的,因此使得模型的优化方向并不是我们所希望的那样。
- OHEM(online hard example mining):OHEM算法虽然增加了错分类样本的权重,但是OHEM算法忽略了容易分类的样本。
- focal loss,在标准交叉熵损失基础上修改得到的:
a. 这个函数首先通过 α \alpha