Focal Loss 论文阅读理解

最新推荐文章于 2024-07-19 16:50:04 发布
最新推荐文章于 2024-07-19 16:50:04 发布
阅读量260 收藏 2
点赞数 1
分类专栏： 数据不均衡&长尾学习 文章标签： 深度学习
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_40310050/article/details/120157890
版权

前面还有一篇focal loss 的翻译，但是来不及翻译完晚上就要组会了，但是总算是自己也把这篇论文理解完了。下面是PPT的截图，记录一下。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这个是从论文综述《Learning from Imbalanced Data》里面的对于数据不均衡的一个定义，我觉得很不错。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这张小猫的图我觉得可以很好地表达难易样本的定义问题，一目了然

最低0.47元/天 解锁文章
一颗仙桃儿
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Focal Loss论文阅读笔记
Arch的博客
08-15 3万+
Focal Loss for Dense Object Detection引入问题目前目标检测的框架一般分为两种：基于候选区域的two-stage的检测框架（比如fast r-cnn系列），基于回归的one-stage的检测框架（yolo,ssd这种），two-stage的效果好，one-stage的快但是效果差一些。本文作者希望弄明白为什么one-stage的检测器准确率不高的问题，作者给出的解释
Focal Loss论文解读和调参教程
jiangqixing0728的博客
04-16 2987
本文是何恺明团队ICCV 2017的一篇文章，主要针对检测场景类别不均衡导致一阶段算法没有二阶段算法精度高，在CE loss的基础上进行改进，提出了Focal Loss，并且本文改动了faster rcnn，魔改成了一个一阶段的算法RetinaNet，也是后续很多工作拿来当baseline的anchor-based一阶段算法。
焦点损失：Focal Loss论文笔记——Focal Loss for Dense Object Detection
qq_50001789的博客
06-25 1274
焦点损失：Focal Loss论文笔记——Focal Loss for Dense Object Detection
RetinaNet论文总结（Focal Loss）
上个大学哪有不疯的？硬撑罢了！
11-09 2807
RetinaNet在2017年提出，是一个里程碑性质的模型。在目标检测领域，作为一个one-stage网络，它首次超过了当时流行的two-stage模型。RetinaNet在模型方面没有颠覆性的创新，使之超越当时流行目标检测模型的原因是提出了新颖的loss计算方式：Focal Loss
【论文解读】一文详解RetinaNet | ＜Focal Loss for Dense Object Detection＞|源码详解 多类别focal loss
熊猫小妖的AI世界
01-04 2598
目标识别有两大经典结构: 第一类是以Faster RCNN为代表的二阶段识别方法，这种结构的第一阶段专注于proposal的提取，第二阶段则对提取出的proposal进行分类和精确坐标回归。二阶段结构准确度较高，但因为第二阶段需要单独对每个proposal进行分类/回归，速度就打了折扣；目标识别的第二类结构是以YOLO和SSD为代表的单阶段结构，它们摒弃了提取proposal的过程，只用一级就完成了识别/回归，虽然速度较快但准确率远远比不上两级结构。那有没有办法在单阶段结构中也能实现较高的准确度呢？
Focal Loss for Dense Object Detection论文学习
w_study_ty的博客
07-08 239
本文为one-stage目标检测。主要对损失函数进行改进（Focal Loss），用来解决正负样本类别不平衡问题，并且增加hard sample在损失函数中的重要性。 网络结构 本文的网络名为RetinaNet，基于FPN（Feature Pyramid Networks）。以FPN为主干网络，FPN可以提取不同尺度的特征。在每个特征层有两个子网络，一个是分类子网络（class subnet），另一个是边界盒回归子网络（box subnet）。 1.分类子网络（class subnet） 分类子
focal loss
01-10
读Focal Loss for Dense Object Detection这篇论文 做的一个总结讲解ppt
focal loss曲线-python
08-14
通过python脚本构造focal loss曲线；焦点损失函数是重加权的一个典型代表，被广泛应用于目标检测和语义分割。
Focal Loss for Dense Object Detection
12-03
Abstract The highest accuracy ...the focal loss, RetinaNet is able to match the speed of pre- vious one-stage detectors while surpassing the accuracy of all existing state-of-the-art two-stage detectors.
pytorch实现focal loss的两种方式小结
09-18
今天小编就为大家分享一篇pytorch实现focal loss的两种方式小结，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
Focal Loss的Pytorch实现及测试完整代码
05-22
Focal Loss的Pytorch实现及测试完整代码，适合深度学习，计算机视觉的人群
Focal Loss(ICCV2017 best student paper)
木盏
05-05 2868
Focal Loss由FAIR提出。Kaiming包揽了ICCV2017的最佳论文（Mask R-CNN）和最佳学生论文（Focal Loss）。 按照国际惯例，给出Focal Loss的论文标题和链接： Focal Loss for Dense Object Detection http://openaccess.thecvf.com/content_ICCV_2017/papers/L...
论文(3) Focal Loss
GZHermit的博客
05-25 595
Focal Loss @(目标检测) Focal Loss是KaiMing大神提出来的，这篇文章的重点在于分析了one-stage网络的检测精度为什么会弱于two-stage的网络。当原理分析出来之后，其实公式的更改就很简单了。这篇paper也自建了一个网络RetinaNet[1][1]^{[1]}，在COCO数据集上的检测效果达到了40%的效果，提升效果非常明显。 这篇文章提出On...
【经典视觉算法推荐】Focal Loss 论文公式推导及主要贡献
源代码杀手的博客
06-08 1924
文献参考：https://www.aiuai.cn/aifarm636.html 函数绘制参考：https://blog.csdn.net/zengbowengood/article/details/104369125 可视化简单解释：
【论文翻译】Focal Loss for Dense Object Detection
风信子的博客
08-27 3174
论文题目：Focal Loss for Dense Object Detection 论文来源：Focal Loss for Dense Object Detection 摘要 迄今为止，精度最高的目标检测器是基于R-CNN推广的两阶段方法，其中分类器应用于稀疏的候选对象位置集。相比之下，在可能的物体位置的规则，密集采样上应用的 one-stage 探测器具有更快和更简单的可能性，但迄今为止已经落后于 two-stage 探测器的精度。在本文中，我们将探讨为什么会出现这种情况。我们发现在密集型探测器训练过程
Focal loss论文翻译
weixin_40471107的博客
10-26 636
用于深度目标检测的focal loss 0 .摘要 目前最受欢迎的目标探测器是基于RNN推广的two-stage方法，其中候选对象位置的稀疏集使用分类器。相反，对可能的目标位置进行有规律、密集采样的one-stage探测器有可能更快更简单，但准确率远远落后于two-stage探测器。我们调查此原因，发现深度探测器训练时发生的前背景分类的极度不平衡是主要原因。我们通过重塑标准交叉熵损失来解决，这样它就能降低分配给易分类样本的损失。我们的Focal Loss专注于在一组稀疏的困难样本上训练，并组织大量的易负样本
Focal Loss论文笔记
WAXXHHHH的博客
10-10 688
摘要： 发现在训练密集的检测器的时候，遇到极端的前景背景不平衡。提出解决类别不平衡通过重塑标准的cross entropy loss，降低分配给分类很好的样本的loss。为了评估loss的有效性，我们设计和训练了一个简单的密集检测器：RetinaNet。 1.introduction 提出一个问题：简单的one-stage检测器能够取得two-stage的相似的精度吗？为了达到这个结果，证明了训练时的类别不平衡是阻碍one-stage取得高精度的主要障碍。提出了一个新的loss函数来消除这个障碍。 在rcn
【深度学习】PyTorch框架(6)：GNN图神经网络理论和实践
最新发布
MUKAMO的博客
07-19 947
本文深入探讨了神经网络在图结构数据处理中的应用，介绍了图的邻接矩阵和边列表表示方法，以及图卷积网络（GCN）和图注意力网络（GAT）的实现。实践表明，图信息对提升预测模型性能至关重要，GNNs在社交网络、生物信息学、交通优化和推荐系统等领域具有巨大潜力，未来在AI领域将扮演更重要角色。
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。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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