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candidate location中包含所需要的檢測目標只有一部分區域即正樣本，大多數區域是與檢測目標不相關的背景即負樣本。這樣就會造成candidate location中，正樣本數遠遠小於負樣本數。根據交叉熵函式：
從上面公式可以做出影象
y』表示分成正樣本的概率,可以看出當y』越大時，loss越小。所以當真值為1時，y』越大說明樣本容易分類為標籤1，所以為簡單樣本，loss越小，對模型更新貢獻較少。y』越**明樣本不容易分類成標籤1，所以為複雜樣本，loss會大，對模型更新顯著。當真值為0時，y』越大說明模型容易把錯樣本分成正樣本，loss=-log(1-y』)，loss偏大，模型容易更新優化。y』越**明模型容易正確地把樣本正確地分為負樣本，loss偏小，即對模型更新效果不顯著。這樣一來，在one-stage detector中會出現以下問題：
1.當資料集中簡單正樣本偏多，由於loss偏低則模型更新較為緩慢，且可能無法優化至最優。
2.在candidate location中，作為背景的負樣本偏多，且多是容易分類，導致模型優化方向會偏向於容易出檢測負樣本，難檢測出正樣本，且訓練過程中loss偏低模型迭代緩慢。
focal loss的baseline
在原有的基礎之上，設
在這個loss前加乙個平衡因子alpha
以此來控制正負本的loss權重，如a=0.4，則正樣本貢獻為0.4，負樣本貢獻為0.6。
有了這樣的正負樣本控制因子之後，並不能控制困難和簡單樣本的權重。
因此focal loss在此之上又增加了乙個focusing parameter，gamma
即我們可以看出，pt的值越大，則說明為簡單樣本，
通過focal loss，可以使得：
1.平衡因子alpha控制正負樣本對總loss的共享權重，來平衡模型對正負樣本的檢測能力。
2.注意因子gamma將模型中難分的正樣本的loss權重調高，loss貢獻較多，使模型對難分的樣本分類能力增強。
詳細解讀mysql 詳細解讀MySQL中的許可權
一 前言 很多文章中會說，資料庫的許可權按最小許可權為原則，這句話本身沒有錯，但是卻是一句空話。因為最小許可權，這個東西太抽象，很多時候你並弄不清楚具體他需要哪些許可權。現在很多mysql用著root賬戶在操作，並不是大家不知道用root許可權太大不安全，而是很多人並不知道該給予什麼樣的許可權既安全...
詳細解讀restful
越來越多的人開始意識到，即軟體，而且是一種新型的軟體。這種 網際網路軟體 採用客戶端 伺服器模式，建立在分布式體系上，通過網際網路通訊，具有高延時 high latency 高併發等特點。開發，完全可以採用軟體開發的模式。但是傳統上，軟體和網路是兩個不同的領域，很少有交集 軟體開發主要針對單機環境，...
memset函式詳細解讀
or void memset void s,int ch,unsigned n memest原型 please type man memset in your shell void memset void s,int c,size t n memset 作用是在一段記憶體塊中填充某個給定的值，它對較...