一种改进的Focal Loss在语义分割上的应用
文献类型：期刊论文
| 作者 | 杨威[1,2]; 张建林[1]; 徐智勇[1]; 赵春梅[1,2] |
| 刊名 | 半导体光电
 |
| 出版日期 | 2019 |
| 卷号 | 40期号:4页码:555-559 |
| 关键词 | 深度学习 语义分割 FOCAL LOSS DeepLabv3+ |
| DOI | 10.16818/j.issn1001-5868.2019.04.021 |
| 文献子类 | 期刊论文 |
| 英文摘要 | 传统基于深度学习的语义分割方法使用的损失函数为交叉熵,而交叉熵并不能解决训练数据中的样本非均衡性问题。语义分割任务属于像素级分类,样本的非均衡性问题在其中体现得十分突出。文章提出了一种改进的Focal Loss作为损失函数来自动解决训练样本的非均衡性。该损失函数等同于在标准交叉熵上加上一个权重,该权重能够自动增加困难样本的交叉熵损失值,同时保持简单样本的交叉熵损失值。将Focal Loss作为DeepLabv3+的损失函数,并将DeepLabv3+的Backbone替换为ResNet-18,再使用Cityscapes数据集作为训练样本,分别使用交叉熵和Focal Loss作为损失函数来对模型进行训练。实验结果表明,改进的Focal Loss损失函数相比于交叉熵获得的语义分割精度更高,且能够有效缓解训练样本的非均衡性问题。 |
| 语种 | 中文 |
| 源URL | [http://ir.ioe.ac.cn/handle/181551/9820]  |
| 专题 | 光电技术研究所_光电探测与信号处理研究室（五室） |
| 作者单位 | 1.中国科学院光电技术研究所,成都610209 2.中国科学院大学,北京100049 |
| 推荐引用方式 GB/T 7714 | 杨威[1,2],张建林[1],徐智勇[1],等. 一种改进的Focal Loss在语义分割上的应用[J]. 半导体光电,2019,40(4):555-559. |
| APA | 杨威[1,2],张建林[1],徐智勇[1],&赵春梅[1,2].(2019).一种改进的Focal Loss在语义分割上的应用.半导体光电,40(4),555-559. |
| MLA | 杨威[1,2],et al."一种改进的Focal Loss在语义分割上的应用".半导体光电 40.4(2019):555-559. |
入库方式： OAI收割
来源：光电技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。