2. 損失的作用
3. 啟示
參考文獻
總之，由於negative過多（easy negative佔很大部分），導致positive對loss貢獻被淹沒，以及單個negative對loss的貢獻小
ohem是一種example篩選方法，使得模型在訓練過程中僅學習hard examples；在計算損失時，先通過對loss排序，選出loss最大的example進行訓練，這就是保證金僅僅學習hard examples。但是這個方法存在乙個不足，就是把所有的easy example都去除掉了，對於easy positive example它也給過濾了，導致這樣的正例無法進一步提公升訓練精度。
下圖給出easy positive/negative example，hard positive/negative example的示意圖：
需要注意的是：1：
2：
Focal Loss理解補充
閱讀此博文的基礎上有部分存疑的地方，做了補充。原文寫的很好，建議閱讀。原博 個人理解補充部分 1.gamma作用是調節難易，alpha作用是平衡正負樣 正負樣本數量不均衡 2.gamma作用是調節難易樣本對於總loss的權重 正負樣本中都有難易，都進行了調節 gamma 2時，正樣本中越是難區分的樣...
Focal loss 詳細解讀
focal loss所解決的問題是在object detection領域由正負樣本不平衡，而導致one stage detector方法的準確率不如two stage detector。one stage detector主要是在一張影象上生成成千上萬的candidate locations，這些c...
FocalLoss的Caffe復現版
原 見 1，caffe.proto 原始檔在src caffe proto 目錄裡 從492行這些optional裡，作者新增了兩行 optional relu6parameter relu6 param 208 optional focallossparameter focal loss para...