【极简笔记】Focal Loss

最新推荐文章于 2025-06-22 09:55:10 发布

原创

最新推荐文章于 2025-06-22 09:55:10 发布 · 1.9k 阅读

·

1

·

CC 4.0 BY-SA版权

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。

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

p t = {p, 1 - p, if y = 1 otherwise

$p_t=\begin{cases}p, & \text{if $y=1$} \\ 1-p, & \text{otherwise}\end{cases}$

最低0.47元/天解锁文章

200万优质内容无限畅学

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

成就一亿技术人!

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。