focal loss 学习记录
上图： 图中的pt 横轴的取值范围是0-1，接近1时有两种可能情况，（1）y是1，logit接近1（2）y是0，logit接近0. 因为pt是随着y变的。所以以上两种情况来说都是预测的比较好的情况，在目标检测中，大部分都是背景，因此大部分都预测的很好，因此要减少预测的好的在loss中的权重。 交叉熵解释 交叉熵是一种代价函数，其可以计算出两个概率分布的差异程度。 在二分类时很简单，因为分布是多
相关文章
- 1. focal loss学习笔记
- 2. Focal Loss笔记
- 3. Focal Loss 论文学习笔记
- 4. 深度学习笔记（八）Focal Loss
- 5. Focal Loss论文学习
- 6. Focal Loss 论文学习
- 7. RetinaNet(Focal Loss) 笔记
- 8. focal loss
- 9. Focal Loss
- 10. Focal loss
- 更多相关文章...
- • ADO 添加记录 - ADO 教程
- • ADO 更新记录 - ADO 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. focal loss学习笔记
- 2. Focal Loss笔记
- 3. Focal Loss 论文学习笔记
- 4. 深度学习笔记（八）Focal Loss
- 5. Focal Loss论文学习
- 6. Focal Loss 论文学习
- 7. RetinaNet(Focal Loss) 笔记
- 8. focal loss
- 9. Focal Loss
- 10. Focal loss