YOLO v3采用focal_loss 效果拙见，不对的地方欢迎指正
-
论文里，yolov3里一个gt只分配给一个最高iou的predict anchor，不是最高，如果iou高 于 阈值，就忽略这个预测，对于小于阈值的predict anchor只有objectness loss，这个方法筛除了很多预测框，而 objectness loss只是很小的一部分；
-
本身yolov3只对ahchor 和groudtruth 最高iou做loss ，其本身筛选掉了大部分背景框，所以不存在不均衡的问题了；
-
yolov3在计算loss的时候，统计的是那些已经和groundtruth匹配上的loss，其实这就是解决正负样本不均衡的一个办法，所以focal loss在yolo上作用没那么大
小知识点：
感受野：低层特征图感受野较小，更容易捕获局部信息，对小目标敏感，但是缺乏语义信息 底层是靠近输入的层 特征粒度更细 感受也更小
https://github.com/AlexeyAB/darknet/issues/1003
