关于机器学习:焦点损失函数-Focal-Loss-与-GHM

11次阅读

共计 3915 个字符，预计需要花费 10 分钟才能阅读完成。

文章来自公众号【机器学习炼丹术】

焦点损失函数 Focal Loss（2017 年何凯明大佬的论文）被提出用于密集物体检测工作。

当然，在指标检测中，可能待检测物体有 1000 个类别，然而你想要辨认进去的物体，只是其中的某一个类别，这样其实就是一个样本十分不平衡的一个分类问题。

而 Focal Loss 简略的说，就是解决样本数量极度不均衡的问题的。

说到样本不均衡的解决方案，相比大家是晓得一个混同矩阵的 f1-score 的，然而这个如同不能用在训练中当成损失。而 Focal loss 能够在训练中，让小数量的指标类别减少权重，让分类谬误的样本减少权重。

先来看一下简略的二值穿插熵的损失：

y’是模型给出的预测类别概率，y 是实在样本。就是说，如果一个样本的实在类别是 1，预测概率是 0.9，那么 $-log(0.9)$ 就是这个损失。
讲道理，个别我不喜爱用二值穿插熵做例子，用多分类穿插熵做例子会更难受。

【而后看 focal loss 的改良】：

这个减少了一个 $(1-y’)^\gamma$ 的权重值，怎么了解呢？就是如果给出的正确类别的概率越大，那么 $(1-y’)^\gamma$ 就会越小，阐明 分类正确的样本的损失权重小 ，反之， 分类谬误的样本的损权重大。

【focal loss 的进一步改良】：

这里减少了一个 $\alpha$，这个 alpha 在论文中给出的是 0.25, 这个就是 单纯的升高正样本或者负样本的权重，来解决样本不平衡的问题。

两者联合起来，就是一个能够解决样本不均衡问题的损失 focal loss。

【总结】：

$\alpha$ 解决了样本的不均衡问题；
$\beta$ 解决了难易样本不均衡的问题。让样本更器重难样本，漠视易样本。
总之，Focal loss 会的关注程序为：样本少的、难分类的；样本多的、难分类的；样本少的，易分类的；样本多的，易分类的。

GHM 是 Gradient Harmonizing Mechanism。

这个 GHM 是为了解决 Focal loss 存在的一些问题。

【Focal Loss 的弊病 1】
让模型过多的关注特地难分类的样本是会有问题的。样本中有一些异样点、离群点（outliers）。所以模型为了拟合这些十分难拟合的离群点，就会存在过拟合的危险。

Focal Loss 是从置信度 p 的角度动手衰减 loss 的。而 GHM 是肯定范畴内置信度 p 的样本数量来衰减 loss 的。

首先定义了一个变量 g，叫做 梯度模长（gradient norm）：

能够看出这个梯度模长，其实就是模型给出的置信度 $p^*$ 与这个样本实在的标签之间的差值（间隔）。 g 越小，阐明预测越准，阐明样本越容易分类。

下图中展现了 g 与样本数量的关系：

【从图中能够看到】

梯度模长靠近于 0 的样本多，也就是易分类样本是十分多的
而后样本数量随着梯度模长的减少迅速缩小
而后当梯度模长靠近 1 的时候，样本的数量又开始减少。

GHM 是这样想的，对于梯度模长小的易分类样本，咱们漠视他们；然而 focal loss 过于关注难分类样本了。要害是难分类样本其实也有很多！, 如果模型始终学习难分类样本，那么可能模型的精确度就会降落。所以 GHM 对于难分类样本也有一个衰减。

那么，GHM 对易分类样本和难分类样本都衰减，那么真正被关注的样本，就是那些不难不易的样本。而克制的水平，能够依据样本的数量来决定。

这里定义一个GD，梯度密度：

$$GD(g)=\frac{1}{l(g)}\sum_{k=1}^N{\delta(g_k,g)}$$

$GD(g)$ 是计算在梯度 g 地位的梯度密度；
$\delta(g_k,g)$ 就是样本 k 的梯度 $g_k$ 是否在 $[g-\frac{\epsilon}{2},g+\frac{\epsilon}{2}]$ 这个区间内。
$l(g)$ 就是 $[g-\frac{\epsilon}{2},g+\frac{\epsilon}{2}]$ 这个区间的长度，也就是 $\epsilon$

总之，$GD(g)$ 就是梯度模长在 $[g-\frac{\epsilon}{2},g+\frac{\epsilon}{2}]$ 内的样本总数除以 $\epsilon$.

而后把每一个样本的穿插熵损失除以他们对应的梯度密度就行了。
$$L_{GHM}=\sum^N_{i=1}{\frac{CE(p_i,p_i^*)}{GD(g_i)}}$$

$CE(p_i,p_i^*)$ 示意第 i 个样本的穿插熵损失；
$GD(g_i)$ 示意第 i 个样本的梯度密度；

论文中呢，是把梯度模长划分成了 10 个区域，因为置信度 p 是从 0~1 的，所以梯度密度的区域长度就是 0.1，比方是 0~0.1 为一个区域。

下图是论文中给出的比照图：

【从图中能够失去】

绿色的示意穿插熵损失；
蓝色的是 focal loss 的损失，发现梯度模长小的损失衰减很无效；
红色是 GHM 的穿插熵损失，发现梯度模长在 0 左近和 1 左近存在显著的衰减。

当然能够想到的是，GHM 看起来是须要整个样本的模型估计值，能力计算出梯度密度，能力进行更新。也就是说 mini-batch 看起来仿佛不能用 GHM。

在 GHM 原文中也提到了这个问题，如果光应用 mini-batch 的话，那么很可能呈现不平衡的状况。

【我集体感觉的解决办法】

能够应用上一个 epoch 的梯度密度，来作为这一个 epoch 来应用；
或者一开始先应用 mini-batch 计算梯度密度，而后模型收敛速度降落之后，再应用第一种形式进行更新。

下面讲述的关键在于 focal loss 实现的性能：

分类正确的样本的损失权重小，分类谬误的样本的损权重大。
样本过多的类别的权重较小

在 CenterNet 中预测中心点地位的时候，也是应用了 Focal Loss，然而稍有改变。

这外面和下面讲的比拟相似，咱们漠视脚标。

假如 $Y=1$, 那么预测的 $\hat{Y}$ 越凑近 1，阐明预测的约正确，而后 $(1-\hat{Y})^\alpha$ 就会越小，从而体现 分类正确的样本的损失权重小;otherwize 的状况也是这样。
然而这里的 otherwize 中多了一个 $(1-Y)^\beta$, 这个是用来均衡样本不平衡问题的，在前面的代码局部会提到 CenterNet 的热力求。就会明确这个了。

上面通过代码来了解：

class FocalLoss(nn.Module):
    def __init__(self):
        super().__init__()
        self.neg_loss = _neg_loss

    def forward(self, output, target, mask):
        output = torch.sigmoid(output)
        loss = self.neg_loss(output, target, mask)
        return loss

这外面的 output 能够了解为是一个 1 通道的特色图，每一个 pixel 的值都是模型给出的置信度，而后通过 sigmoid 函数转换成 0~1 区间的置信度。

而 target 是 CenterNet 的热力求，这一点可能比拟难了解。打个比方，一个 10*10 的全都是 0 的特色图，而后这个特色图中只有一个 pixel 是 1，那么这个 pixel 的地位就是一个指标检测物体的中心点。有几个 1 就阐明这个图中有几个要检测的指标物体。

而后，如果一个特色图上，全都是 0，只有几个孤零零的 1，未免显得过于稠密了，直观上也十分的不平滑。所以 CenterNet 的热力求还须要对这些 1 为核心做一个高斯

能够看作是一种平滑：

能够看到，数字 1 的周围是同样的数字。这是一个以 1 为核心的高斯平滑。

这里咱们回到下面说到的 $(1-Y)^\beta$：

对于数字 1 来说，咱们计算 loss 天然是用第一行来计算，然而对于 1 左近的其余点来说，就要思考 $(1-Y)^\beta$ 了。越凑近 1 的点的 $Y$ 越大，那么 $(1-Y)^\beta$ 就会越小，这样从而升高 1 左近的权重值。其实这里我也讲不太明确，就是依据间隔 1 的间隔升高负样本的权重值，从而能够实现 样本过多的类别的权重较小。

咱们回到主题，对 output 进行 sigmoid 之后，与 output 一起放到了 neg_loss 中。咱们来看什么是 neg_loss:

def _neg_loss(pred, gt, mask):
    pos_inds = gt.eq(1).float() * mask
    neg_inds = gt.lt(1).float() * mask

    neg_weights = torch.pow(1 - gt, 4)

    loss = 0

    pos_loss = torch.log(pred) * torch.pow(1 - pred, 2) * pos_inds
    neg_loss = torch.log(1 - pred) * torch.pow(pred, 2) * \
               neg_weights * neg_inds

    num_pos = pos_inds.float().sum()
    pos_loss = pos_loss.sum()
    neg_loss = neg_loss.sum()

    if num_pos == 0:
        loss = loss - neg_loss
    else:
        loss = loss - (pos_loss + neg_loss) / num_pos
    return loss

先说一下，这外面的 mask 是依据特定工作中加上的一个小性能，就是在该工作中，一张图片中有一部分是不须要计算 loss 的，所以先用过 mask 把那个局部过滤掉。这里间接漠视 mask 就好了。

从 neg_weights = torch.pow(1 - gt, 4) 能够得悉 $\beta=4$, 从上面的代码中也不难推出，$\alpha=2$，剩下的内容就都一样了。

把每一个 pixel 的损失都加起来，除以指标物体的数量即可。

正文完