Focal Loss for Dense Object Detection

スポンサーリンク

---

Fig1. Focal Loss

論文URL

https://arxiv.org/pdf/1708.02002.pdf

2018年2月公開

ポイント

• Object detectionを行うRetina Netの損失関数としてFocal Lossを提案
  • Faster RNN系の2 stage detectorでは物体検出精度が高いのに対し、YOLO等の1 stage detectorでは高速な推論が可能
  • 1 stage detectorで精度を高めるために、Focal Lossを提案
• Focal Loss
  • 高い推論確率で正しく推論できているサンプルの損失をCross Entropy Lossより小さくするように、Cross Entropy Lossを拡張
    • 1 stage detectorをCross Entropy Lossで学習すると、検出対象物体と背景物体(検出対象外物体)のクラスアンバランスが問題になる
    • 早く学習が進む背景物体に対する損失を速やかに小さくできる
  • 物体検出以外のモデルでも適用可能

Focal Loss

• クラスの推論確率をとし、Focal Lossを以下の式で計算(プロットはFig1.参照)
  
  • ：高い推論確率のサンプルに対する損失の減衰量を調整するハイパーパラメタ
    • の場合、Cross Entropy Lossと一致
  • ：クラスアンバランスを補正するハイパーパラメタ

---

スポンサーリンク

---