论文原址：https://arxiv.org/abs/1708.02002 github代码：https://github.com/fizyr/keras-retinanet 摘要 目前，具有较高准确率的检测器基于双阶段的目标检测算法实现，单阶段通过对可能存在的位置进行 ...

Focal Loss for Dense Object Detection Intro 这又是一篇与何凯明大神有关的作品，文章主要解决了one-stage网络识别率普遍低于two-stage网络的问题，其指出其根本原因是样本类别不均衡导致，一针见血，通过改变传统的loss（CE）变为focal ...

地址：https://arxiv.org/abs/2006.04388 github：https://github.com/implus/GFocal 讲解：https://zhuanlan.zh ...

and Distributed Bounding Boxes for Dense Object Detection ...

Focal Loss for Dense Object Detection-RetinaNet YOLO和SSD可以算one-stage算法里的佼佼者，加上R-CNN系列算法，这几种算法可以说是目标检测领域非常经典的算法了。这几种算法在提出之后经过数次改进，都得到了很高的精确度 ...

Focal Loss[1]是一种用来处理单阶段目标检测器训练过程中出现的正负、难易样本不平衡问题的方法。关于Focal Loss，[2]中已经讲的很详细了，这篇博客主要是记录和补充一些细节。 1.两阶段怎么处理样本数量不平衡的问题 两阶段级联的检测方法： 因为物体可能出现在图片中的任意 ...

地址：https://arxiv.org/pdf/2007.03282.pdf ...

本质上讲，Focal Loss 就是一个解决分类问题中类别不平衡、分类难度差异的一个 loss，总之这个工作一片好评就是了。 看到这个 loss，开始感觉很神奇，感觉大有用途。因为在 NLP 中，也存在大量的类别不平衡的任务。最经典的就是序列标注任务中类别是严重不平衡的，比如在命名实体识别中 ...