Skip to content
全中文注释.(The loss function of retinanet based on pytorch).(You can use it on one-stage detection task or classifical task, to solve data imbalance influence).用于one-stage目标检测算法,提升检测效果.你也可以在分类任务中使用该损失函数,解决数据不平衡问题.
Jupyter Notebook Python
Branch: master
Clone or download
Latest commit 0447dbb Oct 30, 2019
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
images Add files via upload Sep 17, 2019
Demo.ipynb 添加使用例子 Sep 24, 2019
Focal_Loss.py
README.md Update README.md Oct 30, 2019

README.md

GIthub使用指北:

1.想将项目拷贝到自己帐号下就fork一下.

2.持续关注项目更新就star一下

3.watch是设置接收邮件提醒的.


pytorch 实现 focal loss

retinanet论文损失函数

实现过程简易明了,全中文备注.

阿尔法α 参数用于调整类别权重

伽马γ 参数用于调整不同检测难易样本的权重,让模型快速关注于困难样本

交叉熵损失

cross_empty

带平衡因子的交叉熵

α-cross_empty

Focal损失

加入 (1-pt)γ 平衡难易样本的权重,通过γ缩放因子调整,retainnet默认γ=2

focal loss

带平衡因子的Focal损失

论文中最终为带平衡因子的focal loss, 本项目实现的也是这个版本

α-focal loss

最终retainnet的效果

不同γ 值收敛效果

focal loss_效果

retainnet与其他检测模型对比

retainnet对比图

后续会添加retainnet的实现

You can’t perform that action at this time.