目標定位與檢測系列（12）RetinaNet

論文鏈接：RetinaNet 摘要 目前目標檢測任務中精度最高的模型是基於主流的R-CNN框架的二階段模型，該類方法在一些列目標候選框上進行分類。相對的，一階段模型直接在大量的可能包含目標的區域進行檢測，這樣做速度更快但相比於兩階段模型也犧牲了精度，我們在本文工作中分析了這個問題的原因。我們發現訓練過程中正負樣本（指前景和背景）之間嚴重的不平衡是主要原因。我們通過修改標準的交叉信息熵損失函數來解決

>>阅读原文<<