Focal Loss for Dense Object Detection

1 简介

本文根据2018年《Focal Loss for Dense Object Detection》翻译总结的。

图像识别的方法有两种，分别是one-stage和two-stage。
two-stage方法，如R-CNN，第一个stage是生成一个稀疏的含候选物体位置的集合，第二个stage是采用卷积网络识别每一个候选位置，将其识别为foreground 类别或者background。two-stage方法具有较高的准确率，其分类器是应用于一个稀疏的集合。

one-stage分类器应用于一个密集（dense）的集合。其速度快、准确率却低。

one-stage准确率低是因为foreground-background存在极度的类不平衡。为此我们修改了cross entropy loss，以使损失函数降低对容易分类的权重。Background容易分类准确。

2 Focal Loss

2.1 cross entropy（CE）loss

原cross entropy（CE）loss函数如下：

采用下面2式，可以将CE公式重写为：

2.2 Balanced Cross Entropy

引入α∈[0,1]因子为类别1，1-α为类别-1。α-balanced CE loss 公式如下：

2.3 Focal Loss

Focal loss的两个特性：1）当一个样本分类错误，p_t值较小，调节因子〖(1-p_t)〗^r接近于1，损失函数未受影响的。当p_t接近1时，调节因子趋于0，这样损失函数对于较好分类的样本就是权重下降的。2）参数r调整了易分类样本权重下降的比率。当r=0时，Focal loss等于cross entropy，当r增加，调节因子的效果相应增加。我们发现r=2效果较好。

如r=2，p_t=0.9的样本相比cross entropy低了100倍，p_t=0.968的样本相比cross entropy低了1000倍，这样就意味着增加了错误分类的重要性。

3 实验效果

RetinaNet是采用focal loss的网络。从图1可以看出来focal loss的准确率更高，从图2可以看出来focal loss在预测时间较小时也有很好的分数AP。

4 代码

https://blog.csdn.net/zephyr_wang/article/details/108690554