Создайте фокальный слой потерь с помощью фокальной функции потерь
Фокальный слой потерь предсказывает классы объектов с помощью фокальной потери. Добавьте фокальный слой потерь, чтобы обучить обнаружение объектов, семантическую сегментацию или сеть классификации, когда неустойчивость будет существовать между фоновыми классами и передним планом. Чтобы компенсировать неустойчивость класса, фокальная функция потерь умножает перекрестную энтропийную функцию с фактором модуляции, который увеличивает чувствительность сети к неправильно классифицированным наблюдениям.
создает фокальный слой потерь для нейронных сетей для глубокого обучения. Для получения информации о том, как использовать фокальный слой потерь в сети обнаружения объектов, смотрите, Создают Сеть Обнаружения объектов SSD.layer
= focalLossLayer
свойства наборов фокального слоя потерь при помощи одного или нескольких аргументов пары "имя-значение". Заключите каждое имя свойства в кавычки.layer
= focalLossLayer(Name,Value
)
Например, focalLossLayer('Name','focalloss')
создает фокальный слой потерь с именем 'focalloss'
и заданная балансировка и фокусировка параметров.
[1] Лин, Цзун-И, Priya Goyal, Росс Джиршик, Кэйминг Хэ и Петр Доллар. "Фокальная Потеря для Плотного Обнаружения объектов". На Международной конференции 2017 IEEE® по вопросам Компьютерного зрения (ICCV), 2999–3007. Венеция: IEEE, 2017. https://doi.org/10.1109/ICCV.2017.324.
focalCrossEntropy
| trainSSDObjectDetector
| trainNetwork
(Deep Learning Toolbox)