概述

Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重，也可理解为一种困难样本挖掘。

公式

gamma>0使得减少易分类样本的损失。使得更关注于困难的、错分的样本。当gamma为0时即为交叉熵损失函数，当gamma增加时，调整因子的影响也在增加。实验发现gamma为2是最优

平衡因子alpha，用来平衡正负样本本身的比例不均：文中alpha取0.25，即正样本要比负样本占比小

标签：Loss,样本,损失,正负,Focal,CodingPark,alpha,gamma
来源： https://blog.csdn.net/weixin_38411989/article/details/118343589