---

前言

根据前文目标检测-One Stage-YOLOv2可以看出YOLOv2的速度和精度都有相当程度的提升，但是One Stage目标检测模型仍存在一个很大的问题：

• 前景(positive)和背景(negatives)类别的不平衡

ps：假设我们有一个医学图像分类任务，要识别是否患有一种罕见的疾病。在这个场景中，正类别是患有疾病的图像，负类别是健康的图像。由于罕见疾病的患者数量相对较少，数据集中正类别的样本数量远远少于负类别。这就是前景和背景的类别不平衡问题。

RetinaNet 针对上述缺点做了改进

---

提示：以下是本篇文章正文内容，下面内容可供参考

一、RetinaNet的网络结构和流程

• 将影像输入卷积网络（ResNet）+特征金字塔网络（FPN）得到多尺度特征图（P3-P7，$32^2$ to $512^2$ ）

ps：和SSD的多尺度特征图相比加入了自顶而下的特征融合机制

• 引入anchor机制，每个特征点对应9个anchor（3种横纵比×3种尺寸）
• 将上一步得到的anchor输入不同的分类和边框回归器
• 使用非极大值抑制NMS去除冗余窗口

二、RetinaNet的创新点

• 最核心的就是提出Focal Loss损失函数来解决前景和背景类别的不平衡问题

在One Stage目标检测网络中损失函数中一般分为两部分（分类损失+回归损失），正负样本都会计算分类损失，然后仅对正样本进行回归损失的计算。

Balanced Cross Entropy

正负样本都计算分类损失，会造成的问题是，负样本是远远多于正样本的，为了解决这种类别不平衡问题，可以采用平衡交叉熵损失（Balanced Cross Entropy），即在交叉熵损失的基础上，引入一个权重因子 α ，当类标签是 1 时，权重因子是 α ，当类标签是 -1 时，权重因子是 1 − α 。

$$BCE(p,y)=-{\alpha }_{t}log(p_t)$$

其中pt = p if y=1 else pt = 1-p，p范围在 [0, 1] , $\frac{a}{1-a}=\frac{n}{m}$ ，m为正样本数，n为负样本数

Balanced Cross Entropy 解决了正负样本的比例失衡问题（positive/negative examples），但是这种方法仅仅解决了正负样本之间的平衡问题，并没有区分简单还是难分样本（easy/hard examples）。当容易区分的负样本（easy negatives）的泛滥时，整个训练过程都是围绕容易区分的样本进行（小损失积少成多超过大损失），而被忽略的难区分的样本才是训练的重点。

Focal Loss

因此，Focal Loss将权重因子 α修改为调制因子$(1-p_t{)}^{\gamma }$ ，整个公式如下

$$FL(p_t)=-(1-p_t{)}^{\gamma }log(p_t)$$

$\gamma$ 也是一个参数，范围在 [0, 5]，$p_t$趋向于1时（概率大），说明该样本比较容易区分，此时，调制因子趋向于 0 的样本的loss贡献值会很小，反之则知难区分的样本loss贡献值占比大，当 $\gamma =0$ 的时候，FL 就是原来的交叉熵损失 CE，随着 $\gamma$ 的增大，调整速率也在变化，实验表明，在 $\gamma =2$ 时，效果最佳

---

总结

在coco test-dev数据集上，RetinaNet达到当时的SOTA（最高39.1mAP，图中未给出）