Создайте слой фокальных потерь с помощью функции фокальных потерь
Слой очаговых потерь предсказывает классы объектов, используя очаговые потери. Добавьте слой потерь фокуса, чтобы обучить обнаружение объектов, семантическую сегментацию или классификационную сеть, когда существует дисбаланс между передним и фоновым классам планами. Чтобы компенсировать классу дисбаланс, функция фокусных потерь умножает функцию перекрестной энтропии с модуляционным фактором, который увеличивает чувствительность сети к неправильно классифицированным наблюдениям.
создает слой фокальных потерь для нейронных сетей для глубокого обучения. Для получения информации о том, как использовать слой фокусных потерь в сети обнаружения объектов, смотрите, Создают сеть обнаружения объектов SSD.layer
= focalLossLayer
устанавливает свойства слоя потерь фокуса с помощью одного или нескольких аргументов пары "имя-значение". Заключайте каждое имя свойства в кавычки.layer
= focalLossLayer(Name,Value
)
Для примера, focalLossLayer('Name','focalloss')
создает слой фокальных потерь с именем 'focalloss'
и заданные параметры балансировки и фокусировки.
[1] Лин, Цунг-И, Прия Гоял, Росс Гиршик, Кайминг Хэ и Пётр Доллар. «Очаговые потери для плотных Обнаружений объектов». В 2017 году IEEE® Международная конференция по компьютерному зрению (ICCV), 2999-3007. Венеция: IEEE, 2017. https://doi.org/10.1109/ICCV.2017.324.
focalCrossEntropy
| trainSSDObjectDetector
| trainNetwork
(Deep Learning Toolbox)