《Revisiting the Loss Weight Adjustment in Object Detection》- 检测任务中的loss weight调整

论文地址：https://arxiv.org/pdf/2103.09488.pdf
摘要：检测任务一般包含分类和回归两个loss，如何调整这两个任务的loss-weigt是一个问题？此外，loss-weight是否应该随着回归loss类型的变换而变换（L1 vs Smooth L1 vs CIOU vs GIOU etc.），这也是一个问题？

论文发现了三个现象(或者结论)

1. 分类任务loss收敛曲线快于回归任务。
2. loss-weigt小于1（假设分类任务的loss-weigth=1）。
3. 分类任务和回归任务的loss-weigt不应该过大。

论文提出了Adaptive Loss Weight Adjustment(ALWA)，该方法在训练过程中，根据loss的统计特性来动态调整loss-weight。论文在one-stage和two-stage上都做了实验，VOC+COCO， L1, SmoothL1 and CIoU loss。