Focal Loss for Dense Object Detection
写在前面
本文由FAIR发表在ICCV-2017上
本文作者认为,现阶段单阶段目标检测器性能稍逊的原因是其前景-背景不均衡的问题尤为严重
为了解决这个类别不均衡的问题,已经有了OHEM
的方法,但是本文做法认为这种完全忽视容易负样本的做法有所不妥,虽然简单负样本无异于模型迭代优化,但是它的数量众大,加在一起也不可小觑,所以提出了本文改进的思路
本文在COCO
数据集上以5fps
的速度达到了39.1AP
的准确率
主要思想
本文将传统的交叉熵损失函数CE
进行改进,将简单负样本loss值进行降权
。换言之,就是让模型更专注于困难负样本和正样本,作者在FPN
的基础上做了这部分改进,loss函数的改进如下图所示
改进之后与现阶段state-of-art算法的性能对比如下图所示:
开源代码
参考文献
Focal Loss for Dense Object Detection