zoukankan      html  css  js  c++  java
  • 学习记录之Focal loss

    目标检测中,会有大量的负样本,也就是背景样本,如果使得正样本对loss的影响更大,是focal loss提出来解决的方案。

    作者以二分类为例进行说明: 
    首先是我们常使用的交叉熵损失函数:

          

      

       

    要对类别不均衡问题对loss的贡献进行一个控制,即加上一个控制权重即可,最初作者的想法即如下这样,对于属于少数类别的样本,增大α即可 :

    但这样有一个问题,它仅仅解决了正负样本之间的平衡问题,并没有区分易分/难分样本,因此后面有了如下的形式: 

    显然,样本越易分,pt越大,则贡献的loss就越小,相对来说,难分样本所占的比重就会变大。因此,通过这个公式区分了易分/难分样本,在实际中,作者采用如下公式,即综合了上述两个公式的形式

  • 相关阅读:
    防抖、节流函数
    vue如何监听数组的变化
    scss的循环和数组
    linux更新node版本
    函数节流和防抖函数
    vue-cli 使用,更新
    webstorm自动编译scss
    git冲突的处理
    linuix 安装 mysql8
    脚本安装mysql 8
  • 原文地址:https://www.cnblogs.com/ChrisInsistPy/p/9669499.html
Copyright © 2011-2022 走看看