【论文阅读笔记】RetinaNet：Focal Loss for Dense Object Detection

（一）论文地址：

https://arxiv.org/pdf/1708.02002.pdf

（二）核心思想：

这篇论文中作者探究了 one-stage 方法准确率较低的原因，并提出了一个新的 Loss 函数——Focal Loss 来解决 one-stage 方法中正负样本不均衡的问题；并且作者由此设计了一个简单高效的网络
RetinaNet，既保留了 one-stage 的速度快的特点，又保证了更高的准确率；

（三）One-stage 方法的问题：

one-stage 方法（如 YOLO，SSD 等）在不同大小的特征图上，使用不同大小和比率的 anchors 进行密集采样；这种方法获得的预选框远远多于 two-stage 的方法，导致的一个问题就是绝大多数预选框都是负样本（背景类），以至于即使分类器将所有预选框都分成背景，传统分类使用的交叉熵 Loss 依然会很低；

而 two-stage 方法由于使用了 RPN 网络，每次只选取一部分（通常为 256 个）样本参与到 Loss 的计算中，并且首先使用二分类（背景和非背景，即将物体小分类聚类成非背景类）做初步筛选，再通过分类器做分类，这样就很大程度上缓解了样本不均衡的问题；

（四）Focal Loss：

为了在 one-stage 方法中突出小样本，作者设计了一个 Focal Loss：

即在原本的交叉熵损失函数前加上了一个权重项： $(1-p_t)^{\lambda}$；

其中：

$p\in[0,1]$ 是某一类别 $y$ 的输出概率， $y=0或1$;

由此带来的直观影响就是：

1. 被正确分类时：
   1.1 背景类的 Loss 大幅下降；
   1.2 物体类的 Loss 正常下降；
2. 被错误分类时：
   2.1 背景类的 Loss 正常下降；
   2.2 物体类的 Loss 小幅下降；

因此训练时，更多注意力被放到了精细区分物体类上；

而 Focal Loss 也可以用另一个更复杂的定义：

（五）参数选取：

作者在实验中发现，γ=2，α=0.25 时效果最好；

（六）RetinaNet：

RetinaNet 本质上是使用 Resnet 作为 Backbone 提取特征，使用 FPN 的方法提取 3 个特征层构成特征金字塔，再分别使用一个分类子网络和一个回归子网络进行预测；

（七）实验结果：

在原有 one-stage 基础上大大提高了检测的准确率；