论文解读Focal Loss for Dense Object Detection
来源:互联网 发布:电视直播软件看不了 编辑:程序博客网 时间:2024/05/10 19:04
论文:Focal Loss for Dense Object Detection
引言:
目前最好的物体检测都是基于两个平台(two stage),和推荐驱动的机制(proposal-driven mechnism),如R-CNN。近期的集合为一个平台(one stage)的工作有YOLO和SSD,他们比前者更快
我们提出了一个新的损失函数用于类的区分(class imbalance),这个损失函数是一个动态缩放的交叉熵Loss(cross entropy loss),当正确分类的可信度提升时,缩放因子会衰退至0。
(我们提出的Focal Loss 就是正常的交叉熵Loss加上一个
直观上,缩放椅子可以自动缩小简单样本的贡献的参数,从而可以更快的关注困难样本。实验显示我们提出的Focal Loss可以训练出更高的准确性的(one stage detector),其表现出了启发式取样和困难样本挖掘的效果。
我们提出了一个使用Focal Loss的网络:取名叫RetinaNet,效果很好
Focal Loss :
cross entropy是这样的:
其中
为了标注的方便,我们设
我们尝试引进一个权重因子
容易区分的样本组成loss的主要部分并决定着梯度,然而
我们为cross entropy添加一个调节因子
当一个样本被分类错误时,
在实验中我们也使用了
有
RetinaNet:
Feature Pyramid Network Backbone
金字塔的每一层用来检测不同的尺度
从图中可以看出左边是ResNet,中间为提取出feature map(加号为UpSampling后相加),然后用两个子网络相连,输出类别和边框。
实验结果
实验比较:
设
设
Focal Loss和OHEM相比,提高
- 论文解读Focal Loss for Dense Object Detection
- 论文阅读-《Focal Loss for Dense Object Detection》
- [论文阅读] Focal Loss for Dense Object Detection
- [论文笔记]Focal Loss for Dense Object Detection
- Focal Loss for Dense Object Detection
- Focal Loss for Dense Object Detection
- Focal Loss for Dense Object Detection
- Focal Loss for Dense Object Detection
- Focal Loss for Dense Object Detection
- 目标检测--Focal Loss for Dense Object Detection
- 目标检测“Focal Loss for Dense Object Detection”
- 《Focal Loss for Object Detection》阅读笔记
- Focal Loss 论文笔记
- 论文解读之Feature Pyramid Networks for Object Detection
- [论文解读] DSD -- Dense-Sparse-Dense Training for Neural Network
- Focal Loss论文阅读笔记
- Object Detection -- 论文FPN(Feature Pyramid Networks for Object Detection)解读
- [论文解读] Pedestrian Detection Combining RGB and Dense LIDAR Data
- 如何在linux(ubuntu)下安装source insight
- 千年源代码
- java设计模式-策略模式
- 解决在MFC中使用Easylogging++导致TRACE未定义错误
- cocos学习
- 论文解读Focal Loss for Dense Object Detection
- 关于git 分支的使用心得
- 动态规划合并排序问题
- 机器学习基本介绍
- HTML中如何让控件居中
- BZOJ 1818 [Cqoi2010]内部白点
- 互信息(mutual information)
- 挖矿详细过程
- spark搭建