8.8 RetinaNet
本文参考了这篇文章。
研究了one-stage和two-stage方法的优缺点。
尤其是指出了one-stage中由于样本不均衡导致的精度不高的问题。
于是作者提出了Focal Loss从损失函数的角度来解决样本不均衡的问题。将采用Focal Loss的one-stage检测器称为RetinaNet。
创新点：
- Focal Loss
- 新检测器：
RetinaNet = ResNet + FPN + 两个子网络 + Focal Loss
网络结构：
图1 RetinaNet网络结构
RetinaNet结构注意内容：
- 训练时FPN每一级的所有example都被用于计算Focal Loss，loss值加到一起用来训练；
- 测试时FPN每一级只选取score最大的1000个example来做nms；
- 整个结构不同层的head部分(上图中的c和d部分)共享参数，但分类和回归分支间的参数不共享；
- 分类分支的最后一级卷积的bias初始化成前面提到的-log((1-π)/π);
网友评论