Focal Loss损失函数理解

简介：Focal Loss损失函数是对交叉熵损失函数的升级。是和yolo配套的

因为yolo会对图像进行网格化处理，会分出正负样本，是多目标检测，而不是简单的分类问题

1. 对比交叉熵损失的区别

多分类：CrossEntropyLoss 公式：

多目标：Focal Loss 公式：

总结多了两个系数，alpha和(1-pt)^gama

2. 分析参数alpha

个人理解：alpha是用来控制正负样本数差别太大的。负样本因为数量往往太多，而使用较小的alpha如0.25来乘以损失值，正样本因为数量往往太少，而使用较大的alpha如0.75来乘以损失值。

官方解释：

• 类别平衡因子 α\alphaα 的主要作用是直接增加正样本（目标区域）的损失权重，减少负样本（背景区域）对总损失的贡献。
• 当负样本远多于正样本时， α\alphaα 通常设置为正样本的权重较高（如 αpos=0.75\alpha_{\text{pos}} = 0.75αpos​=0.75， αneg=0.25\alpha_{\text{neg}} = 0.25αneg​=0.25）。这种方式在总损失中人为地降低了背景区域的占比