RetinaNet：Focal Loss for Dense Object Detection

一、前言 目前的深度學習目標檢測器中，One-stage的精度始終落後於two-stage 本文發現其中心原因爲訓練過程中前景與背景類別極端的不平衡 爲解決該問題，本文重塑了標準交叉熵損失函數，即減少易分類樣本的權重來進行平衡，提出了Focal Loss 爲評估所提出的損失函數的有效性，本文設計並訓練了一個簡單的目標檢測器——RetinaNet 1.1 類別不平衡 1.1.1 類別不平衡問題是什麼

>>阅读原文<<