《表1 Focal Loss参数实验表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于动态感受野的航拍图像目标检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

RetinaNet提出Focal Loss解决类别不均衡问题，取得了显著效果。Focal Loss定义如（1）式。在VISDrone-g数据集中，小目标占大多数，能匹配的正样本锚框较少，且小目标所含的特征信息较弱，属于难分类样本。本文设置的锚框相较于原RetinaNet，单层级内先验框的数量更多且更密集，一定程度上加重了正负样本数量失衡。因此需要更大的调节系数来缓解类别失衡。本文设置多组参数进行实验，实验结果如表1所示，随着参数增大，AP、AP50和F1-score呈现先变大后减小趋势。选取其中最大AP、AP50对应的αt=0.25，γ=3.0作为最终参数。该组参数相较于原始RetinaNet，调节幅度更大，与前文的分析预测一致。