目标检测中的损失函数与正负样本分配：RetinaNet与Focal loss

RetinaNet

在目标检测领域，单阶段算法精度第一次超过双阶段，就是RetinaNet。

网络结构：

作者设计的网络结构没有太大创新，文中是这样说的：

The design of our RetinaNet detector shares many similarities with
previous dense detectors, in particular the concept of ‘anchors’
introduced by RPN [3] and use of features pyramids as in SSD [9] and
FPN [4]. We emphasize that our simple detector achieves top results
not based on innovations in network design but due to our novel loss.

检测头是分类与BBox回归解耦的，并且是基于锚框的，经过FPN后输出五层不同尺度的特征图，每层分别对应32~512尺度的锚框，并且每层根据scale和ratios的不同组合有9种锚框，最终整个网络的锚框尺寸是32 ~ 813之间。使用网络预测的相对锚框的偏移量来计算BBox的方法与Faster R-CNN相同。下图是霹雳吧啦的图。

论文中的结构图如下，只示意了由FPN引出的三种尺度的特征图，W，H，K，A分别代表特征图宽，高，分类数量（不包含背景类），锚框数量（9）。

正负样本匹配

正样本：预测的BBox 与gt IoU>=0.5，
负样本：预测的BBox 与gt IoU<0.4，
其他样本舍弃

前景，背景数量不平衡问题

CE损失的变种

本作的最大创新：Focal loss，改写经典的交叉熵损失，应用在class subnet分支，使易分类样本的损失的权重极大降低，形式很优美。论文中$\gamma$推荐取2，若$\gamma$取0，则FL就退化为了CE。

损失：

第一项分类损失中是计算所有样本（包括正负）的Focal loss，然后除去正样本数量$N_{pos}$。BBox回归损失是Fast R-CNN中提出的smooth L1 loss。

未完待续