【极简笔记】Focal Loss

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【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,1p,if y=1otherwise p t = { p , if  y = 1 1 − p , otherwise

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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