目標(biāo)檢測(cè)中，會(huì)有大量的負(fù)樣本，也就是背景樣本，如果使得正樣本對(duì)loss的影響更大，是focal loss提出來解決的方案。

作者以二分類為例進(jìn)行說明：?
首先是我們常使用的交叉熵?fù)p失函數(shù)：

　　　　　　

??

? ?

要對(duì)類別不均衡問題對(duì)loss的貢獻(xiàn)進(jìn)行一個(gè)控制，即加上一個(gè)控制權(quán)重即可，最初作者的想法即如下這樣，對(duì)于屬于少數(shù)類別的樣本，增大α即可 ：

?

但這樣有一個(gè)問題，它僅僅解決了正負(fù)樣本之間的平衡問題，并沒有區(qū)分易分/難分樣本，因此后面有了如下的形式：?

顯然，樣本越易分，pt越大，則貢獻(xiàn)的loss就越小，相對(duì)來說，難分樣本所占的比重就會(huì)變大。因此，通過這個(gè)公式區(qū)分了易分/難分樣本，在實(shí)際中，作者采用如下公式，即綜合了上述兩個(gè)公式的形式

?

轉(zhuǎn)載于:https://www.cnblogs.com/ChrisInsistPy/p/9669499.html

總結(jié)

以上是生活随笔為你收集整理的学习记录之Focal loss的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。