focal_loss + yolo3

项目总览：

这次想做一个手势识别的任务，第一步的手部目标检测想基于yolo3这种单阶段目标检测模型实现

---

项目现状：

目前基于yolo3实现了手部目标检测，参考的博客可参考我的上一篇yolo3个人理解
大体实现流程如下
1、 下载到了手部数据集，同时根据labelImage完成了自定义数据的标注
2、 下载yolo3代码和预训练模型实现了基于coco数据集的目标检测
3、 将数据集替换成自己的手部数据集训练遇到了最终模型输出的置信度比较特别低的问题

---

问题解析：

通过debug明显的看到是由于置信度较低，导致被阈值过滤，从而无法输出结果，由此，进行了如下操作一步步研究问题
1、 置信度比较低的原因有可能有1.训练时的置信度损失较高，无法学习到理解的结果2.模型预测的代码有误导致对网络输出结果进行解析得到的置信度很小
2、 从简单的第二问入手，一步步debug模型输出结果得到所有box的置信度，排除第二问的可能
3、 从较难的第一问进行研究，在训练过程中打印出置信度的loss，发现的确是训练过程中的损失较大的问题。

4、置信度损失较大通过论文或者百度等渠道了解到可能是是训练样本正负损失不均衡的问题，由此打印出正负样本数量。发现确实存在该问题

5、为了解决训练过程中存在的正负样本数量