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
