Focal Loss for Dense Object Detection
スポンサーリンク
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
- 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
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
- :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
スポンサーリンク