[论文阅读] Focal Loss for Dense Object Detection
来源:互联网 发布:mac好用的图片处理软件 编辑:程序博客网 时间:2024/05/21 05:17
arxiv: https://arxiv.org/pdf/1708.02002.pdf
何凯明 homepage: http://kaiminghe.com/
paper 写得很好,可以多读。
1.解决的问题:
在稠密目标检测中,产生的目标候选区域中正负样本数量悬殊,大部分都是对 loss没有贡献的easy background example. 很容易进行分类。
2.相关 paper:
R-CNN
OverFeat
YOLO
SSD
RPN
FPN
OHEM
3.解决方法
对 cross entry 进行了改进,加上一个调控系数,使得 loss能够更加专注于难以分类的样本,很容易分类的样本对于 loss的贡献很小。
4.实验细节
实验结果中 y=2时的结果最好;
5.复现结果
6 延伸与拓展
1. paper中提到的不平衡数据集的常用解决方法为:
In practice α may be set by inverse class frequency
or treated as a hyperparameter to set by cross validation.
focal loss 也可以作为一种通用的 多类别不平衡数据集的处理方式。
2. focal loss 的公式
paper 附录中说到 focal loss的准确形式不重要,还提到了一种相似形式的 loss, 也取得了差不多的结果。
- focal loss 的导数
阅读全文
0 0
- 论文阅读-《Focal Loss for Dense Object Detection》
- [论文阅读] Focal Loss for Dense Object Detection
- 论文解读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
- 《Focal Loss for Object Detection》阅读笔记
- 目标检测--Focal Loss for Dense Object Detection
- 目标检测“Focal Loss for Dense Object Detection”
- Focal Loss论文阅读笔记
- 论文阅读-《Relation Networks for Object Detection》
- Focal Loss 论文笔记
- Focal Loss 阅读笔记
- 论文阅读:Deep Neural Networks for Object Detection
- 论文阅读:Salient Object Detection: A Benchmark
- Mongo整合SpringTemplate用法
- 看出笔记-第二章-重构原则
- GoogleNet网络详解与keras实现
- Oracle之数据库SQL总体运行情况
- C#对象XML序列化(一):序列化方法和常用特性
- [论文阅读] Focal Loss for Dense Object Detection
- java操作ElasticSearch(es)进行增删查改操作
- Android 获取文件的缩略图
- MongoTemplate操作mongodb
- java操作word by poi jodconverter
- 2016.12.21
- html的简述和概念,html入门案例,html的语言规范,HTML字体标签,格式化标签,图片标签,
- Jenkins slave配置(实现持续集成中打包完成后执行远程机器的python脚本)
- c#循环拷贝文件特定文件下所有