Focal loss-解决单阶段目标检测类别不均衡问题的又一利器

论文阅读笔记

Posted by baiyf on March 14, 2019

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

focal_loss

改进之后与现阶段state-of-art算法的性能对比如下图所示:

RetinaNet

开源代码

Detectron

参考文献

Focal Loss for Dense Object Detection