从FocalLoss到hardsample

最新推荐文章于 2023-12-29 16:44:08 发布
VIP文章 最新推荐文章于 2023-12-29 16:44:08 发布
阅读量3k 收藏 7
点赞数 3
分类专栏： 三省吾身 文章标签： focus loss hard sample machine learning deep learning
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/z0n1l2/article/details/80538918
版权

Focal Loss

何凯明大神在2017年的论文中提出Focal loss 论文
Focal Loss是一种处理深度学习中正负样本不均衡的方法. 它并没有固定形式,应该算是一种思路: 降低non-hard-sample的loss, 提高hard-sample的loss. 以二分类cross entropy loss为例
L ( y , y 0 ) = − l o g ( P y ) L(y,y_0) = -log(P_y) L(y,y0​)=−log(Py​)
其中
P y = P i f   y 0 = 1 P_y = P \quad if\ y_0 = 1 Py​=Pif y0​=1
P y = 1 − P i f   y 0 = 0 P_y = 1-P \quad if\ y_0 = 0 P

最低0.47元/天 解锁文章
z0n1l2
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
用首次训练获得的SVM在负样本原图上检测HardExample
11-14
用首次训练获得的SVM在负样本原图上检测HardExample并保存为文件。 使用时请自行修改工程的include目录和lib目录配置。
（HEM/OHEM）hard negative（example）mining难例挖掘 与focal loss、GHM损失函数
xys430381_1的专栏
06-18 6555
分类任务中的样本不均衡及hard negative mining的必要性 在训练一个分类器的时候，对数据的要求是class balance，即不同标签的样本量都要充足且相仿。然而，这个要求在现实应用中往往很难得到保证。 在目标检测算法中，对于输入的一张图像，可能会生成成千上万的预选框（region proposal），但是其中只有很少一部分是包含真实目标的，这就带来了类别不均衡问题。 类别不平衡时...
OHEM算法详解——online hard example mining
stu_shanghui的博客
06-15 1577
OHEM: online hard example mining 论文链接：https://arxiv.org/abs/1604.03540 主要特点： 1.不需要设置正负样本比例来解决数据类别不平衡问题 2.数据集越大，性能越明显 文中所说： 1.OHEM is a simple and intuitive algorithm that eliminates several h...
Focal Loss 论文理解及公式推导
Darlewo
07-02 573
参考自：https://www.aiuai.cn/aifarm636.html，这里讲的很清楚 Focal Loss 主要解决难分样本和易分样本的问题，即hard sample 和easy sample。那难分样本和易分样本是怎么定义的， 那么我们可以根据Pt来定义难易样本，即大的Pt是easy samples, 小的Pt为hard samples. 这是因为当标签为正样本时，P越...
2.2 Hard Sample Aware Network for Contrastive Deep Graph Clustering
最新发布
qq_39039754的博客
12-29 908
Hard Sample Aware Network for Contrastive Deep Graph Clustering
SVM+HOG：用初次训练的.xml分类器在负样本原图上检测生成HardExample样本
GoJawee的博客
06-02 1418
难例(或叫做难样本，Hard Example，Hard Negative，Hard Instance)是指利用第一次训练的 分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框，这些矩形框区域很明显都是误报 ，“把这些误报的矩形框保存为图片”，这些误检的图片就是HardExample图片。 把HardExample图片加入到初始的负样本集合中，重新进行SVM的训练，可显著减少
Hard samples mining
sophia_xw的博客
12-03 1270
在讨论hard samples mining之前，有两个概念需要疏通下。 #1，IoU 见博文，https://blog.csdn.net/iamoldpan/article/details/78799857 简而言之，IoU就是数学集合论中的两个集合的并集。 #2，非极大值抑制 参考博文，https://www.cnblogs.com/liekkas0626/p/5219244.htm...
hard sampling
yuanchheneducn的博客
01-06 2586
1. Hard-Aware Deeply Cascaded Embedding 作者：北京大学 Yuhui Yuan等 有code:https://github.com/PkuRainBow/Hard-Aware-Deeply-Cascaded-Embedding_release 摘要：每一个样本有不同的困难级别，设计一个模型融合的方式分别用不同级别的困难样本进行训练。 最后
hard example
wmonica121的专栏
01-30 993
在训练数据时，会涉及到一些hard example（困难样本/难例） 比较有用的网址有如下： http://blog.163.com/pz124578%40126/blog/static/235226942013435156379/ http://blog.csdn.net/masibuaa/article/details/16105073 http://blog.csdn.net
Hard-sample Guided Hybrid Contrast Learning for Unsupervised Person Re-Identification
qq_44935078的博客
04-10 4153
Hard-sample Guided Hybrid Contrast Learning for Unsupervised Person Re-Identification（CVPR2021)
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
01-10
读Focal Loss for Dense Object Detection这篇论文 做的一个总结讲解ppt
Focal Loss for Dense Object Detection
12-03
Loss focuses training on a sparse set of hard examples and prevents the vast number of easy negatives from overwhelm- ing the detector during training. To evaluate the effective- ness of our loss, we ...
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
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
【论文阅读】Improving Face Recognition from Hard Samples via Distribution Distillation Loss
weixin_43169773的博客
08-22 1132
论文地址 代码地址 其他的博客：主要是翻译 知乎的介绍 Abstract 目前基于深度学习的人脸识别算法已经可以较好的处理简单样本，但对于困难样本（低分辨率、大姿态等）仍表现不佳。目前主要有两种方式尝试解决这一问题。第一种方法是充分利用某种需要处理的人脸畸变的先验信息，设计特定的结构或损失函数。这种方式通常不能方便地迁移到其他畸变类型。第二种方法是通过设计合适的损失函数，减小类内距离，增大类间距离，得到更具辨别能力的人脸特征。这种方式一般在简单和困难样本上存在明显的性能差异。为了提升人脸识别模型在困难样本上
2.1 Hard Sample Aware Network for Contrastive Deep Graph Clustering
qq_39039754的博客
12-20 1121
对比学习、多视图聚类
筛选样本_困难样本（Hard Sample）处理方法
weixin_30899789的博客
12-17 2738
​困难样本（Hard Sample）处理方法​如果按照学习的难以来区分，我们的训练集可以分为Hard Sample和Easy Sample. 顾名思义，Hard Sample指的就是难学的样本（loss大），Easy Sample就是好学的样本（loss小）。举个金融领域的情感分类的例子："隔夜要闻：美国12月CPI不及预期 原油终结五连跌"-----Hard Sample ​ "商品期货多数上涨...
困难样本挖掘(Online Hard Sample Mining)
jacke121的专栏
05-20 7199
一、分类与检测 分类和检测是计算机视觉里面两个非常重要的任务，虽然两个任务的目标并不完全相同，但是本质上检测是在分类问题上的一次推广，即检测是在整个个图像上做的局部分类并且标记该局部分类的位置，那么可以说：检测=搜索+分类，所以某种意义上来说检测可以归约为分类问题[4] 现在的因为深度网络(尤其是CNN)的流行，很多重要的物体检测算法都是基于CNN，如YOLO，SSD，Faster R-CNN等，这些算法某种程度上是利用了CNN的局部分类特性，所以当我们去看这些算法的时候，发现和传统的物体检测不同，...
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 2
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