目標檢測中，會有大量的負樣本，也就是背景樣本，如果使得正樣本對loss的影響更大，是focal loss提出來解決的方案。

作者以二分類為例進行說明：?
首先是我們常使用的交叉熵損失函數：

　　　　　　

??

? ?

要對類別不均衡問題對loss的貢獻進行一個控制，即加上一個控制權重即可，最初作者的想法即如下這樣，對于屬于少數類別的樣本，增大α即可 ：

?

但這樣有一個問題，它僅僅解決了正負樣本之間的平衡問題，并沒有區分易分/難分樣本，因此后面有了如下的形式：?

顯然，樣本越易分，pt越大，則貢獻的loss就越小，相對來說，難分樣本所占的比重就會變大。因此，通過這個公式區分了易分/難分樣本，在實際中，作者采用如下公式，即綜合了上述兩個公式的形式

?

轉載于:https://www.cnblogs.com/ChrisInsistPy/p/9669499.html

總結

以上是生活随笔為你收集整理的学习记录之Focal loss的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。