解决样本不平衡方法：Focal Loss

Focal Loss的作用：主要是为了解决目标检测任务中类别不平衡问题。

Focal Loss应用一个调制项到交叉熵损失函数上，以集中学习困难的负面例子。
通过使用缩放因子（scaling factor）控制交叉熵损失的动态缩放。缩放因子随着正类别的置信度增加，缩放因子衰减为零。
直观看来，该缩放因子可自动降低训练过程中Easy example的权重，并快速将模型集中在难样本（hard example）上。

公式表达上，Focal Loss为标准交叉熵标准增加了一个因子。设置降低分类较好的样本损失（well-classified examples），将更多的注意力放在困难样本（hard，misclassified examples）上。公式中，可微调的参数为，Focal Loss表达如下：

论文来源：Introduced by Lin et al. in Focal Loss for Dense Object Detection