Detection&Segmentation系列：RS Loss (ICCV 2021 oral)

文章地址：https://arxiv.org/pdf/2107.11669.pdf

1. Motivation

目标检测与实例分割的损失函数通常由分类，box回归，mask预测损失加权所得，其权重调参十分费时，且让不同工作进行fair comparison变得困难。近期提出的ranking-based loss（如AP loss和aLRP loss）比起传统的score-based loss有两点优势：1）直接优化AP使得训练和测试时的目标一致，且减少超参；2）对类别不平衡问题鲁棒。然而缺点是它们需要更长时间的训练和更多增强。

2.Method

3. Experiments