本文为 AI 研习社编译的技术博客,原标题 :
Multi-class classification with focal loss for imbalanced datasets
作者 | Chengwei Zhang
翻译 | 汪鹏 校对 | 斯蒂芬·二狗子
审核 | Pita 整理 | 立鱼王
原文链接:
https://medium.com/swlh/multi-class-classification-with-focal-loss-for-imbalanced-datasets-c478700e65f5
![635d16bc87d3efbf84936c5fc769b7bb.png](https://img-blog.csdnimg.cn/img_convert/635d16bc87d3efbf84936c5fc769b7bb.png)
焦点损失函数 Focal Loss(2017年何凯明大佬的论文)被提出用于密集物体检测任务。它可以训练高精度的密集物体探测器,哪怕前景和背景之间比例为1:1000(译者注:facal loss 就是为了解决目标检测中类别样本比例严重失衡的问题)。本教程将向您展示如何在给定的高度不平衡的数据集的情况下,应用焦点损失函数来训练一个多分类模型。
背景
让我们首先了解类别不平衡数据集的一般的处理方法,然后再学习 focal loss 的解决方式。
在多分类问题中,类别平衡的数据集的目标标签是均匀分布的。若某类目标的样本相比其他类在数量上占据极大优势,则可以将该数据集视为不平衡的数据集。这种不平衡将导致两个问题:
训练效率低下