Focal Loss是为了解决目标检测中正负样本比例严重失衡的问题而提出的，它通过调整不同难度样本的权重，使难例损失主导训练过程，从而提高训练效率。相较于Online Hard Example Mining (OHEM)，Focal Loss仍保留易例样本，且实验表明在RetinaNet等one-stage模型中应用Focal Loss能取得更好的效果，并且模型初始化时采用一定的技巧如设置小的先验概率π=0.01，可以增强训练稳定性。
【极简笔记】Focal Loss
Focal Loss for Dense Object Detection
文章的核心就是提出了focal loss用来取代原有的cross entropy loss
pt={
p,1−p,if y=1otherwise p t = { p , if y = 1 1 − p , otherwise
【极简笔记】Focal Loss
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
