Focal Loss解析

结论

focal loss主要是解决了难易样本不均衡的问题，就是模型容易分类的样本多，不易分类的样本少，顺带还解决了一点样本不均衡的问题

解析

公式如下

1. 类别权重
为了应该样本不均衡的问题，对每个类别赋予不同的权重，可以使得模型关注的重点往样本少的类别倾斜。
2. 难度权重
对于容易分类的样本，我们希望他产生的损失少，比较难得样本就相反，其中Pt代表预测的概率，对于正例，我们希望P越接近1越好，带入会使得难度权重很低，如果模型表现得很差，p很小，此时的loss就会很大，让模型进行梯度更新，从而进行调整。