深度学习之Focal Loss损失函数

概念

Focal Loss 是一种专门为解决类别不平衡问题设计的损失函数，由 Lin et al. 在 2017 年的论文 “Focal Loss for Dense Object Detection” 中提出。在深度学习中，特别是在目标检测和分类任务中，类别不平衡是一个常见问题，即某些类别的样本数量远多于其他类别。这会导致模型倾向于预测多数类，而忽视少数类。
Focal Loss 的目的是减少对易分类样本的关注，而增加对难分类样本的关注。这是通过动态调整每个样本的损失权重来实现的，使得模型更加关注那些难以正确分类的样本。

详细介绍可以参考下面这篇博文

https://blog.csdn.net/weixin_44791964/article/details/123477866