多分类focal loss及其tensorflow实现

最新推荐文章于 2025-03-03 22:26:08 发布
最新推荐文章于 2025-03-03 22:26:08 发布
阅读量8.3k 收藏 22
点赞数 1
文章标签： python focal loss tensorflow
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/qq_39012149/article/details/96184383
版权

之前在做一个分类的任务，受师兄指点，知道了这样一个损失，但是笔者的实验结果并不是很好，反而和过采样的结果相比略有下降，但是权当学习了

focal loss是何凯明大神在论文：Focal Loss for Dense Object Detection 中提出来用于目标检测任务的，但是本质也还是分类任务，所以就尝试把focal loss用在多分类任务上。

focal loss的形式如下：

FL(p{_{t}}) = -\alpha _{t}(1-p_{t})^{\gamma }log({p_{t}})

可以看到这里有两个超参，\alpha _{t}是用来平衡样本数量的，{\gamma }相当于惩罚项，用来控制难分样本的挖掘，{\gamma }=1的时候就是我们平常使用的交叉熵损失，但是当

最低0.47元/天 解锁文章
EricKei
关注
focal loss的tensorflow实现
chris_xy的博客
03-21 1万+
最近在进行分类任务的时候，发现了数据存在类别不平衡问题。除了类别不平衡问题之外还有难学样本和易学样本之间的不平衡问题。因此考虑使用了focal loss。这里直接上代码： def focal_loss(logits, labels, gamma): ''' :param logits: [batch_size, n_class] :param labels: [batch...
tensorflow分类的loss函数_图解Focal Loss以及Tensorflow实现（二分类、多分类）
weixin_39877504的博客
12-21 889
总体上讲，Focal Loss是一个缓解分类问题中类别不平衡、难易样本不均衡的损失函数。首先看一下论文中的这张图：解释：横轴是ground truth类别对应的概率(经过sigmoid/softmax处理过的logits)，纵轴是对应的loss值；蓝色的线(gamma=0)，就是原始交叉熵损失函数，可以明显看出ground truth的概率越大，loss越小，符合常识；除了蓝色的线，其他几个都是F...
Focal loss Tensorflow实现
chengjinpei的博客
08-10 733
Focal loss Tensorflow实现 def focal_loss(prediction_tesnsor,target_tensor,weights = None,alpha = 0.25,gamma=2): """ FL = -alpha *(z-p)^gamma*log(p) - (1-alpha)*p^gamma *log(1-p) which alpha = 0.25,gamma = 2,p = sigmoid(x),z = target_tensor """ sigmoid_p
Focal Loss (聚焦损失) ：解决类别不平衡与难易样本的利器，让模型学会“重点学习”
qq_73704268的博客
03-03 1232
当数据集中某些类别的样本数量远多于其他类别时（例如欺诈检测中正常交易占99%，欺诈交易仅占1%），传统损失函数（如交叉熵）往往会导致模型过度关注"简单样本"（easy examples）而忽视"困难样本"（hard examples）（从图片中找物体）任务中，背景区域（简单样本）远多于目标物体（困难样本），传统方法效果差。第四个样本（预测概率0.11）是容易的负样本 → 损失也被缩小。第二个样本（预测概率0.26）是困难的负样本 → 损失被放大。，用于增强模型对难分类样本的关注，降低易分类样本的影响。
focal loss 的 二分类以及多分类实现
samoyan的博客,记录技术成长~
12-07 4030
1、tf 版本 # 二分类 def binary_focal_loss(gamma=2, alpha=0.25): alpha = tf.constant(alpha, dtype=tf.float32) gamma = tf.constant(gamma, dtype=tf.float32) def focal_loss_sigmoid(y_true, y_pred): labels = tf.cast(y_true, tf.float32) L
Focal Loss tensorflow 实现
weixin_38167262的博客
07-11 1192
def focal_loss(pred, y, alpha=0.25, gamma=2): r"""Compute focal loss for predictions. Multi-labels Focal loss formula: FL = -alpha * (z-p)^gamma * lo...
CTPN文本检测与tensorflow实现
linchuhai的博客
12-01 1万+
1. 引言     近年来，随着人工智能的发展，文本检测在很多任务中都是一项基本任务，比如广告牌中文字识别、智能驾驶路牌的检测、身份证识别、快递地址识别等。这些任务中首先的一项就是文本检测，即检测出文本在图像中的位置，这样才能便于后续的文本识别。     文本检测的任务类似目标检测，但是又要比目标检测难，因为目标检测只需对物体进行分类，当只看到物体的半个区域时，其实就基本可以识别出物体是什么类...
和FocalLoss损失函数类似的
最新发布
03-14
### 类似Focal Loss的损失函数 在机器学习领域，尤其是针对类别不平衡问题的任务中，除了Focal Loss之外，还有多种类似的损失函数可以作为其替代方案。以下是几种常见的损失函数及其特点： #### 1. **Weighted ...
Focal Loss for Dense Object Detection论文和代码理解
shuijinghua的博客
08-06 9474
论文地址:https://arxiv.org/pdf/1708.02002.pdf 参考https://www.aiuai.cn/aifarm636.html 专业术语: hard examples:难区分样本 easy examples:易区分样本 前言： 目标识别有两大经典结构，第一类是以faster rcnn为代表的两级识别方法，这种结构的第一级专注于proposal...
focal-loss、安装
01-27
如果确实希望有一个更简便的方法来引入此特性，则建议关注目标深度学习框架（如TensorFlow/PyTorch）及其生态系统内的最新进展，因为这些平台可能会在其后续版本更新或是通过其附属工具集中加入对Focal Loss更好的...
tensorflow图像分割unet_Tensorflow入门教程（三十三）——图像分割损失函数FocalLoss...
weixin_39726971的博客
11-23 1379
常见的图像分割损失函数有交叉熵，dice系数，FocalLoss等。今天我将分享图像分割FocalLoss损失函数及Tensorflow版本的复现。1、FocalLoss介绍FocalLoss思想出自何凯明大神的论文《Focal Loss for Dense Object Detection》，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。FocalLoss是在交...
Pytorch 实现focal_loss 多类别和二分类示例
09-18
今天小编就为大家分享一篇Pytorch 实现focal_loss 多类别和二分类示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
FocalLoss:多类分类的焦点损失
05-02
焦点损失 多类分类的焦点损失
在jsp中 out.print() out.write()的区别
✈ 正在努力 の 寒江（StudiousTiger) ✌ 呐 ✈
10-20 770
众所周知，在jsp中向htm中输出内容的方式常用的有2种 out.print() out.write() 大家有没有考虑过这两个有什么区别，还有在使用中有没有遇到什么问题 今天我给大家介绍一下： 首先是介绍一下out.print() 在out.print() 中是可以输出任何类型的数据的 其次是 out.write() 不知道你们有没有遇到过使用 out.write()输出int型的数据，他不是不能输出，而是输出的东西和所输入的int型数据不匹配 这是什么原因导致的内，如果你感兴趣可以看一下这两个的底层源代
FocalLoss 带mask的多分类 代码实现
m0_37531129的博客
08-06 2702
关于介绍FocalLoss的博客很多，这里做一个简单的总结，并且实现了一个多分类的数据不均衡的FocalLoss。 FocalLoss用来解决的问题 FocalLoss这个损失函数是在目标检测领域（由Tsung-Yi Lin, Priya Goyal, Ross Girshick, Kaiming He, Piotr Dollár提出） 针对one-stage的目标检测框架（例如SSD, YOLO)中正（前景）负（背景）样本极度不平均，负样本loss值主导整个梯度下降， 正样本占比小， 导致模型只专注学习负
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...
focal_loss 多类别和二分类 Pytorch代码实现
热门推荐
Mrhan的博客
06-12 1万+
import numpy as np import torch import torch.nn as nn import torch.nn.functional as F # 支持多分类和二分类 class FocalLoss(nn.Module): """ This is a implementation of Focal Loss with smooth label cr...
多分类样本类别分布不均衡-解决方案-损失函数(一)：Focal Loss
u013250861的博客
04-04 3406
当γ一定的时候，比如等于2，一样easy example(pt=0.9)的loss要比标准的交叉熵loss小100+倍，当pt=0.968时，要小1000+倍，但是对于hard example(pt < 0.5)，loss最多小了4倍。因此调制系数就趋于1，也就是说相比原来的loss是没有什么大的改变的。，既然one-stage detector在训练的时候正负样本的数量差距很大，那么一种常见的做法就是给正负样本加上权重，负样本出现的频次多，那么就降低负样本的权重，正样本数量少，就相对提高正样本的权重。
评论 20
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
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