focal loss理解
程序员文章站
2023-12-31 21:21:10
...
1.分类损失:
1.focal loss 损失
论文连接:https://arxiv.org/abs/1708.02002
1)背景
1)focal loss 损失
目标检测中分为one-stage和two-stage体系,one-stage 检测速度快,而检测效率低,two-stage检
测速度慢,而检测效率高。纠其原因是由于two-stage在RPN(region proposal network )候选区域网
络中进行二分类,划分出foreground和background,极大程度上降低了类别不平衡,最后在进行分类,
致使检测效率高。而one-stage是一趟子进行分类,由于类别不平衡,检测效率低。
focal loss 提出的背景是为了解决目标检测中类别不均衡问题。为什么会产生类别不均衡,因为一张图
片在检测器上会生成大量的检测框(有检测宽就会有类别)。一张分辨率为512*512的图片会在9个anchors
相对于基准框上生成49104个检测框,对应就有49104个类别,只 有一少部分属于foreground,因此类别
极大不平衡。
2)focal loss
focal loss 是在交叉熵损失函数的基础改进的,作者为focal loss设计了一个 one-stage网络RetinaNET
来验证focal loss 消除类别不均衡。
Cross Entropy
focal loss
He Kaiming大神通过实验验证γ=2,a=0.25的效果最好。
3.总结
alpha平衡正负样本的重要性,但是无法解决简单与困难样本的问题。
gamma调节简单样本权重降低的速率,当gamma为0时即为交叉熵损失函数,当gamma增加时,调整因子的影响也在增加。
乘上了该权重,量大的类别所贡献的loss被大幅砍削,量少的类别所贡献的loss几乎没有多少降低。虽然整体的loss总量减少了,但是训练过程中量少的类别拥有了更大的话语权,因此相对增加了难样本的权重。
2.回归损失:
ing…