深度学习基础·损失函数

Focal Loss

参考文献

动机

  • 不平衡问题

改进:平衡BCE函数

  • 引入 a t a_t at来直接缓解正负样本平衡的问题。

不平衡问题的转换:低置信/高置信样本

  • 将不平衡问题表述为:减轻简单样本/高置信度样本的损失,增加困难/低置信样本的损失
  • 为损失引入 ( 1 − p ) γ (1-p)^{\gamma} (1−p)γ

Dice损失

标准定义

  • 1-dice系数
  • dice系数衡量两个区域的重叠程度。
  • 在语义分割任务上:dice任务直接优化掩膜与GT的重叠程度 (也可以优化目标检测任务)。

简化实现

  • 给定两个向量,形状一致。
  • 交集:就是二者相加(要求GT为1或者0)
  • 并集:分别对两个向量求和即可
相关推荐
reasonsummer2 小时前
【教学类-160-04】20260411 AI视频培训-练习4“万相AI视频《逐光而笑》+豆包图片风格:人像摄影”
人工智能·通义万相
俊哥V2 小时前
每日 AI 研究简报 · 2026-04-11
人工智能·ai
DevOpenClub2 小时前
NLP 命名实体识别 API 接口
人工智能·自然语言处理
ZC跨境爬虫2 小时前
Dan koe视频笔记: 个人成长与目标设定的重要性
人工智能·笔记·搜索引擎
AI攻城狮2 小时前
OpenClaw 本地内存检索与 node-llama-cpp 的依赖关系深度解析
人工智能·云原生·aigc
Elastic 中国社区官方博客2 小时前
使用 Elasticsearch + Jina embeddings 进行无监督文档聚类
大数据·人工智能·elasticsearch·搜索引擎·全文检索·jina
熊猫钓鱼>_>2 小时前
从零构建大模型可调用的Skill:基于Function Calling的完整指南
人工智能·算法·语言模型·架构·agent·skill·functioncall
陈天伟教授2 小时前
六种人工智能模型
人工智能
清空mega2 小时前
动手学深度学习——边界框
人工智能