摘要

迄今为止精度最高的目标检测器均基于由R-CNN提出的两阶段方法，该方法对一组稀疏的候选目标位置应用分类器。相比之下，针对可能目标位置进行规则且密集采样的单阶段检测器具有更快、更简洁的潜力，但迄今为止其精度仍落后于两阶段检测器。本文旨在探究造成这一差距的根本原因。我们发现，密集检测器在训练过程中遭遇的极端前景-背景类别不平衡是核心问题。为此，我们提出通过重构标准交叉熵损失函数来缓解类别不平衡问题，使模型对分类正确的样本赋予较低的损失权重。我们提出的新型Focal Loss能够将训练重点集中于少数困难样本，有效防止大量简单负样本在训练过程中淹没检测器。为验证该损失函数的有效性，我们设计并训练了一种简单的密集检测器，命名为RetinaNet。实验结果表明，当使用Focal Loss进行训练时，RetinaNet在保持与以往单阶段检测器相当速度的同时，其精度超越了所有现有的最先进两阶段检测器。代码地址：https://github.com/facebookresearch/Detectron。