Focal loss变种汇总

最新推荐文章于 2024-04-23 08:28:13 发布

阳光素描

最新推荐文章于 2024-04-23 08:28:13 发布

阅读量960

点赞数 1

文章标签：深度学习人工智能机器学习

本文链接：https://blog.csdn.net/qq_38681990/article/details/124870025

版权

VariFocal loss

只对负样本做难易样本挖掘（正样本数量少，不做loss压缩）

Generalized Focal loss：quality focal loss + distributation focal loss

quality focal loss将离散标签的focal loss泛化到连续标签上，从而直接预测分类分数和iou分数的乘积
distributation focal loss将bbox的坐标由delta分布回归转变为任意分布回归

Generalized Focal loss v2

quality focal loss用于预测来自分类分支的分类得分和来自回归分支的质量分数（代替iou）
质量分数用bbox坐标分布预测的topk确定

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

阳光素描

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

芒果YOLOv10改进23：多种损失函数IoU篇：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU等，YOLOv8 模型高效涨点

包括YOLOv5、YOLOv7、YOLOv8等模型改进

06-09

136

YOLOv10改进：多种损失函数IoU篇：FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU等，YOLOv8 模型高效涨点

YOLOv8改进 | 损失函数篇 | QualityFocalLoss质量焦点损失（含代码 + 详细修改教程）

Snu77的博客

01-23

3903

本文给大家带来的改进机制是，其是一种CLS分类损失函数，它的主要创新是将目标的定位质量（如边界框与真实对象的重叠度量，例如IoU得分）直接融合到分类损失中，形成一个联合表示。这种方法能够解决传统目标检测中分类与定位任务之间存在的不一致性问题。QFL通过为每个类别的得分赋予根据定位质量调整的权重，使得检测模型在训练过程中能够更加关注那些难以定位或分类的样本。欢迎大家订阅我的专栏一起学习YOLO！YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制。

参与评论您还未登录，请先登录后发表或查看评论

Focal Loss和变体

qq_37464479的博客

12-28

855

Focal Loss是一种新的深度学习损失函数，用于解决类别不平衡问题，可以改善模型的分类性能。它是一种类似于交叉熵损失函数的损失函数，但是它比交叉熵损失函数具有更强的分类能力，可以更好地处理类别不平衡的问题。多任务Focal Loss：在Focal Loss的基础上，引入了多任务学习，以更好地处理多个任务之间的不平衡。改进的Focal Loss：在Focal Loss的基础上，引入了额外的参数。动态Focal Loss：在Focal Loss的基础上，引入了动态权重。，以更好地处理不同类别之间的不平衡。

介绍Focal loss和变体

qq_42440990的博客

04-13

721

Focal loss 公式：FL(pt)=−(1−pt)γlog(pt)FL(p_t)=-(1-p_t)^γlog(p_t)FL(pt)=−(1−pt)γlog(pt) Focal loss是为了解决one-stage目标检测中正负样本不均衡、难易样本严重失衡的问题所提出的。在原有的交叉熵loss的基础上增加了一个预测概率ptp_tpt和超参数γγγ. Focal loss举例说明当γγγ=0时，focal loss等于标准交叉熵函数。当γγγ> 0时，因为(1−pt)(1-p_t)(1

目标检测 - Generalized Focal Loss 基于one-stage检测器无cost涨点（改进的Focal Loss,优于RetinaNet,FCOS,ATSS等）

flyfish

11-26

2112

目标检测 - Generalized Focal Loss 什么问题 FCOS v1 FCOS v2 作者发现的问题改进 def quality_focal_loss(pred, target, beta=2.0): r"""Quality Focal Loss (QFL) is from `Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detec

深度学习损失函数：交叉熵cross entropy与focal loss

一江明澈的水的专栏

02-13

1万+

前面本文主要做两件事情： 1.交叉熵原理 2.引出focal loss原理其中，交叉熵这里：https://blog.csdn.net/tsyccnh/article/details/79163834 这篇博文写的很详细，很明白，但博士没有总结，我在这里按自己理解重新总结了下，看不太明白的读者建议直接看原文会明白很多。focal的几篇参考：论文链接：https://arxiv.o...

softmax变种论文汇总

03-19

3. **Focal Loss**：Focal Loss由Lin等人提出，主要用于解决类别不平衡问题。它通过引入一个调制项来降低易分类样本的贡献，使模型更加关注难分类样本。这在目标检测等领域非常有效，减少了大量背景类别的干扰。 4....

【AI面试】工作和面试过程中，经常遇到的其他问题汇总二（持续更新）

钱多多先森

04-21

201

发散性问题汇总，考察灵活性和思考性

【YOLO改进芒果书系列】独家原创｜YOLO改进｜全系列目录一览 | 人工智能专家老师联袂推荐

最新发布

数字人生

04-23

3103

针对单阶段检测器在分类和定位任务上的不平衡问题，提出了Focal Loss，有效缓解了背景类样本对模型训练的影响，提高了对难分类样本的学习能力，使得RetinaNet在保持高检测速度的同时，精度达到了与两阶段检测器相当的水平。YOLO以其高效的速度受到广泛关注。SSD结合了YOLO的速度和Faster R-CNN的准确性，通过在不同分辨率的特征图上使用不同大小的滤波器来直接预测边界框和类别概率，提高了目标检测的速度和效果。这些算法在目标检测领域都取得了显著的成绩，为后续的研究和应用提供了坚实的基础。

quality focal loss & distribute focal loss 详解（paper, 代码）

蓝羽飞鸟的博客

01-10

1万+

QFL， DFL

Equalized Focal Loss for Dense Long Tailed Object Detection 论文解读

AI公园

08-30

1600

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”导读对Focal Loss做了改进，使之可以在一阶段物体检测器中适用于长尾分布数据集的场景。效果提升明显。摘要：最近的长尾目标检测的方法，都是用的2阶段的模式。而在实际的工业场景中，一阶段目标检测器是更常用的，应为它更加简单，更容易部署。但是，在长尾分布的场景中，这部分的工作并没有进行很深入的探索。本文，我们研究了是否一阶段的物体检测器也可...

【论文阅读】Generalized Focal Loss的解读。交叉熵、Focal Loss、Quality Focal Loss、Distribution Focal Loss

magic_ll的博客

07-17

3281

最后，我们将QFL和DFL的公式总结为一个统一的视角，称为 Generalized Focal Loss(GFL)，作为FL的一个灵活的扩展，以促进未来进一步的推广和普遍的理解。专注于一组稀疏的困难样本的同时，对相应的类别进行连续的0∼1质量估计。举例子：5分类的任务，第1类别的分类标签onehot应为 [0,1,0,0,0]，当前训练时检测框和对应标签框的iou为0.65，则此时分类的标签不再使用 [0,1,0,0,0]，而是使用分类-iou联合表示：[0,0.65,0,0,0]。

Generalized Focal Loss：Focal loss魔改以及预测框概率分布，保涨点 | NeurIPS 2020

AI公园

11-12

1418

为了高效地学习准确的预测框及其分布，论文对Focal loss进行拓展，提出了能够优化连续值目标的Generalized Focal loss，包含Quality Focal loss和...

nanodet阅读：（3）Loss计算及推理部分

tangshopping的博客

06-10

4923

nanodet的阅读笔记

交叉熵损失函数的进化路程

Hobart

07-16

657

一.交叉熵损失函数（CrossEntropy Loss） 1. 公式与性质交叉熵代价函数同样有两个性质：非负性：目标就是最小化代价函数克服方差代价函数更新权重过慢的问题导数中没有σ′(z)这一项，权重的更新是受σ(z)−y这一项影响，即受误差的影响。所以当误差大的时候，权重更新就快，当误差小的时候，权重的更新就慢 2.交叉熵代价函数是如何产生的？以偏置b的梯度计算为例，推导出交叉熵代价函数： b的梯度公式为：为了消掉该公式中的我们...

目标检测之Generalized Focal Loss介绍

xuzz_498100208的博客

12-26

4880

目标检测从年初的ATSS到PAA,通过优化对正负样本选取的手段将onestage在COCO的AP刷到了46，本文主角GFL在ATSS的基础之上，对focal loss进行改进，提出了GFL，通过大量对比试验证明了有效性，基本上可以说是无损涨点了。

Generalized Focal Loss V2: Learning Reliable Localization Quality Estimation for Dense Object Dete

12-07

在之前的文章介绍了GFocalV1这个开创性的工作，它将边界框建模为通用分布表示，这个分布式的表示其实在GFocalV1中对整个模型的贡献并不是非常大（相比于分类-质量联合表示），因此如何充分利用成为GFocalV2的出发点，事实上，既然分布的形状和真实的定位质量高度相关，那么这个边框的分布表示其实可以算出统计量指导定位质量估计，这就是GFocalV2的核心创新点。论文标题论文地址论文源码当前的密集检测器由于其优雅且高效，成为业界比较关注的研究热点之一。

【目标检测】23、Generalized Focal Loss V2

呆呆的猫的博客

07-29

1328

GFLV2 非常轻量级，可以嵌入很多检测器中，提高约 2AP，带来的额外计算很少 GFLV2 (Res2Net-101-DCN) 在 COCO 上获得了 53.3 AP 通过可视化，可以看出在 NMS 过程中能起到很好的作用，能够更好的保留位置更准的框.........

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。 Quality Focal Loss是在Focal Loss的基础上进一步优化，主要是针对目标检测任务中存在的正负样本不平衡和样本质量不均衡问题。在Quality Focal Loss中，通过引入样本质量权重，对正负样本进行加权，从而使得高质量的样本在训练中得到更多的关注，提高模型的性能。因此，Focal Loss和Quality Focal Loss的主要区别在于是否考虑了样本质量问题。Focal Loss只考虑了类别不平衡问题，而Quality Focal Loss同时考虑了类别不平衡和样本质量不均衡问题。