Open ChuanTianML opened 4 years ago
原论文中，α的作用是增大数量少的类别的权重，即对正样本权重为α=0.25，对负样本权重为1-α=0.75，这样增大对正样本的学习能力。 在这里，模型输出经过sigmoid，然后沿用论文中focal_loss的计算方式，使我不太清楚这里α的意义。 因为，这里的α对于多个类别，是一致无差的，也就不能起到区别对待各个类别的作用。
原论文中，α的作用是增大数量少的类别的权重，即对正样本权重为α=0.25，对负样本权重为1-α=0.75，这样增大对正样本的学习能力。 在这里，模型输出经过sigmoid，然后沿用论文中focal_loss的计算方式，使我不太清楚这里α的意义。 因为，这里的α对于多个类别，是一致无差的，也就不能起到区别对待各个类别的作用。