Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重,也可理解为一种困难样本挖掘
原始的交叉熵损失
此时的损失函数在大量简单样本的迭代过程中比较缓慢且可能无法优化至最优。
focal loss
添加参数γ,当γ大于0时,对于易分的正样本或负样本,权重小,而对于难区分的样本则权重大,避免让简单样本主导loss,γ越大,困难样本的权重越大
添加参数α,用来平衡正负样本本身的比例不均
文中参数是α=0.25,γ=2