computer-vision - RetinaNet 中的焦点损失

Question

谁能简单解释一下什么是 RetinaNet 中的焦点损失从下面的2张纸用于对象检测的特征金字塔网络密集物体检测的焦点损失

Answer 1

focal loss可以定义为(注:原论文描述了二分类的loss，但这里我将其扩展为多类情况):

其中K表示类数； yi 如果 ground-truth 属于第 i 个类，则为 1，否则为 0； pi 是第 i 类的预测概率； γ∈(0,+∞)为聚焦参数； αi∈[0,1] 是第 i 个类的加权参数。损失类似于分类交叉熵，如果 γ=0 和 αi=1，它们将是等价的。那么，这两个附加参数的作用是什么？

正如原始论文指出的那样，类别不平衡是一个非常成问题的问题，它在实践中限制了检测器的性能。这是因为图像中的大多数位置都是容易否定的(这意味着它们可以很容易地被检测器分类为背景)并且没有提供有用的学习信号；更糟糕的是，由于它们占输入的很大一部分，它们可以压倒损失和计算梯度并导致退化模型。为了解决这个问题，focal loss 引入了聚焦参数 γ 来降低分配给易于分类示例的损失的权重。这种影响随着 γ 值的增加而增加，并使网络更加关注困难示例。

平衡参数α对于解决类不平衡也很有用。它可以通过逆类频率(或作为超参数)设置，以便可以降低分配给背景类示例的损失。

注意，由于这两个参数相互影响，所以应该一起选择。一般来说，随着γ的增加，α应该会稍微降低11。

这里有一篇文章更详细地解释了 RetinaNet:https://blog.zenggyu.com/en/post/2018-12-05/retinanet-explained-and-demystified/