Focal Loss及升级笔记

已于 2022-05-06 00:52:39 修改
阅读量2.7k 收藏 2
点赞数
分类专栏： 深度学习宝典 文章标签： 深度学习 机器学习 计算机视觉
于 2018-06-25 22:35:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/80808474
版权
Focal Loss针对类别不均衡问题进行了优化，通过动态调整易于分类样本的权重，提高模型训练效率。文章讨论了YOLOv3使用Focal Loss后的效果，并介绍了GFocal Loss和PolyLoss作为Focal Loss的改进版。实验表明，Focal Loss能有效降低简单负样本的影响力，聚焦于难分样本，提升检测器的性能。
摘要由CSDN通过智能技术生成
了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
『NLP学习笔记』Cross Entropy Loss 的硬截断、软化到 Focal Loss
AI新视界
04-12 1676
对于二分类模型，我们总希望模型能够给正样本输出 1，负样本输出 0，但限于模型的拟合能力等问题，一般来说做不到这一点。而事实上在预测中，我们也是认为大于 0.5 的就是正样本了，小于 0.5 的就是负样本。这样就意味着，我们可以 “有选择” 地更新模型，比如，设定一个阈值为 0.6，那么模型对某个正样本的输出大于 0.6，我就不根据这个样本来更新模型了，模型对某个负样本的输出小于 0.4，我也不根据这个样本来更新模型了，只有在 0.4~0.6 之间的，才让模型更新，这时候模型会更 “集中精力” 去关心那些
目标检测的Tricks | 【Trick3】IoU loss与focal loss（包含一些变体介绍）
Clichong
04-17 2801
如有错误，恳请指出。 这里介绍一下IoU loss与focal loss函数，之前的文章也有提及到，这里就不再过多的细说了。简单来说： IoU loss：用来计算pred box与ground true之间的差异，用来边界框损失函数的计算； focal loss：用来平衡正负样本不均衡的问题，由RetinaNet提出使用与One-Step目标检测算法上的一个技巧 关于这两部分的详细介绍可以见之前的博文：YOLOv4中的tricks概念总结——Bag of freebies 然后，后续有不少大佬对fo.
Focal Loss论文阅读笔记
热门推荐
Arch的博客
08-15 3万+
Focal Loss for Dense Object Detection引入问题目前目标检测的框架一般分为两种：基于候选区域的two-stage的检测框架（比如fast r-cnn系列），基于回归的one-stage的检测框架（yolo,ssd这种），two-stage的效果好，one-stage的快但是效果差一些。本文作者希望弄明白为什么one-stage的检测器准确率不高的问题，作者给出的解释
论文(3) Focal Loss
GZHermit的博客
05-25 608
Focal Loss @(目标检测) Focal Loss是KaiMing大神提出来的，这篇文章的重点在于分析了one-stage网络的检测精度为什么会弱于two-stage的网络。当原理分析出来之后，其实公式的更改就很简单了。这篇paper也自建了一个网络RetinaNet[1][1]^{[1]}，在COCO数据集上的检测效果达到了40%的效果，提升效果非常明显。 这篇文章提出On...
探索深度学习的优化之道：聚焦损失（Focal Loss）在Keras中的实践
最新发布
gitblog_00084的博客
06-10 389
探索深度学习的优化之道：聚焦损失（Focal Loss）在Keras中的实践 项目地址:https://gitcode.com/maozezhong/focal_loss_multi_class 在当今深度学习领域，面对复杂的图像识别和分类挑战时，一个精准且高效的损失函数显得尤为重要。今天，我们聚焦于一项强大的技术——焦点损失（Focal Loss），并深入探讨其在Keras框架下的实现。这项技术...
Focal loss论文详解
逍遥王的博客
11-07 9232
Focal Loss for Dense Object Detection ICCV2017 RBG和Kaiming大神的新作。 论文目标 我们知道object detection的算法主要可以分为两大类：two-stage detector和one-stage detector。前者是指类似Faster RCNN，RFCN这样需要region proposal的检测算法，这类算法可以达到很...
Focal Loss 论文学习
calvinpaean的博客
11-27 503
Focal Loss for Dense Object DetectionAbstract1. Introduction2. Related workClass ImbalanceRobust Estimation3. Focal Loss3.1 Balanced Cross Entropy3.2 Focal Loss Definition 论文地址：https://arxiv.org/abs/1...
Focal Loss(ICCV2017 best student paper)
木盏
05-05 2876
Focal Loss由FAIR提出。Kaiming包揽了ICCV2017的最佳论文（Mask R-CNN）和最佳学生论文（Focal Loss）。 按照国际惯例，给出Focal Loss的论文标题和链接： Focal Loss for Dense Object Detection http://openaccess.thecvf.com/content_ICCV_2017/papers/L...
Focal loss学习记录
菜鸟中的菜中菜的博客
11-13 2536
Focal Loss for Dense Object Detection 对于one stage方法来说，detection部分要直接处理大量的候选位置，其中负样本要占据绝大部分，SSD的策略是采用hard mining，从大量的负样本中选出loss最大的topk的负样本以保证正负样本比例为1:3. onestage 不好的原因在于：正负样本比例极度不平衡，负样本绝大部分都是简单样本，构成了大部分的损失，并主导了梯度。 什么是“类别不平衡”： 一幅正常的图像中需要检测的object不会很多，顶多就那么几
Focal Loss 论文笔记
黑暗星球
12-05 4457
Focal Loss for Dense Object Detection 摘要： 到目前为止（2017年8月），目标检测的最高准确率都由R-CNN的衍生算法（two-stage）引领。在该类算法中，会在稀疏的目标候选位置（可能存在目标的位置）上使用一个分类器。相比之下，one-stage目标检测算法直接对原始图像进行密集的检测，这种算法可能更快，更简单，但准确率却一直没有超过two-stage目...
《Generalized Focal Loss V1》论文笔记
m_buddy的博客
12-12 3000
参考代码：GFocal 这篇文章会探讨将目标检测中边界框的回归问题转换为概率分布的问题，因而需要从传统的边界框范数与IoU回归思想转换到边界框的概率分布上来。对此，对这方面内容不是很理解的朋友可以参考下面这篇文章的内容，从而对加深这篇文章提出GFocal优化方法的理解： REF：一文了解目标检测边界框概率分布 同时，这篇文章的作者也有对这篇文章进行了说明，详见：大白话 Generalized Focal Loss 1. 概述 导读：让目标检测网络实现对检测质量的感知，是之前一些检测算法努力追求的目标。总结
focal loss论文笔记(附基于keras的多类别focal loss代码)
qq_42277222的博客
08-15 1万+
一.focal loss论文 Focal Loss for Dense Object Detection 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...
RetinaNet论文总结（Focal Loss）
上个大学哪有不疯的？硬撑罢了！
11-09 2878
RetinaNet在2017年提出，是一个里程碑性质的模型。在目标检测领域，作为一个one-stage网络，它首次超过了当时流行的two-stage模型。RetinaNet在模型方面没有颠覆性的创新，使之超越当时流行目标检测模型的原因是提出了新颖的loss计算方式：Focal Loss
焦点损失：Focal Loss论文笔记——Focal Loss for Dense Object Detection
qq_50001789的博客
06-25 1495
焦点损失：Focal Loss论文笔记——Focal Loss for Dense Object Detection
Focal Loss论文笔记
WAXXHHHH的博客
10-10 695
摘要： 发现在训练密集的检测器的时候，遇到极端的前景背景不平衡。提出解决类别不平衡通过重塑标准的cross entropy loss，降低分配给分类很好的样本的loss。为了评估loss的有效性，我们设计和训练了一个简单的密集检测器：RetinaNet。 1.introduction 提出一个问题：简单的one-stage检测器能够取得two-stage的相似的精度吗？为了达到这个结果，证明了训练时的类别不平衡是阻碍one-stage取得高精度的主要障碍。提出了一个新的loss函数来消除这个障碍。 在rcn
Focal Loss 论文理解及公式推导
长风破浪会有时，直挂云帆济沧海
10-31 1万+
原文：Focal Loss 论文理解及公式推导 - AIUAI 题目: Focal Loss for Dense Object Detection - ICCV2017 作者: Tsung-Yi, Lin, Priya Goyal, Ross Girshick, Kaiming He, Piotr Dollar 团队: FAIR 精度最高的目标检测器往往基于 RCNN 的 two-stage...
focal loss与quality focal loss的区别
05-24
Focal Loss是一种用于解决类别不平衡问题的损失函数，在目标检测和图像分类等任务中具有广泛的应用。其核心思想是通过减轻易分类样本的权重，使得难分类样本在训练中得到更多的关注，从而提高模型在难样本上的性能。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值