在計算機視覺（CV）任務里常常會碰到類別不平衡的問題， 例如：

1. 圖片分類任務，有的類別圖片多，有的類別圖片少

2. 檢測任務?，F(xiàn)在的檢測方法如SSD和RCNN系列，都使用anchor機制。訓練時正負anchor的比例很懸殊。

3. 分割任務， 背景像素數(shù)量通常遠大于前景像素。

從實質上來講， 它們可以歸類成分類問題中的類別不平衡問題：對圖片/anchor/像素的分類。

再者，除了類不平衡問題， 還有easy sample overwhelming的問題。easy sample如果太多，可能會將有效梯度稀釋掉。

這兩個問題通常都會一起出現(xiàn)。如果不處理， 可能會對模型性能造成很大傷害。用Focal Loss里的話說，就是訓練不給力， 且會造成模型退化：

（1） training is inefficient as most locations are easy negatives…

（2） the easy negatives can overwhelming training and lead to degenerate models.

如果要處理，那么該怎么處理呢？在CV領域里， 若不考慮修改模型本身， 通常會在loss上做文章， 確切地說，是在樣本選擇或loss weight上做文章。

常見的解決辦法介紹

常見的方法有online的， 也有非online的；有只處理類間不平衡的，有只處理easy example的， 也有同時處理兩者的。

Hard Negative Mining， 非online的mining/boosting方法， 以‘古老’的RCNN（2014）為代表， 但在CV里現(xiàn)在應該沒有人使用了（吧？）。若感興趣，推薦去看看OHEM論文里的related work部分。

Mini-batch Sampling，以Fast R-CNN（2015）和Faster R-CNN（2016）為代表。Fast RCNN在訓練分類器， Faster R-CNN在訓練RPN時，都會從N = 1或2張圖片上隨機選取mini_batch_size/2個RoI或anchor， 使用正負樣本的比例為1：1。若正樣本數(shù)量不足就用負樣本填充。使用這種方法的人應該也很少了。從這個方法開始， 包括后面列出的都是online的方法。

Online Hard Example Mining， OHEM（2016）。將所有sample根據當前l(fā)oss排序，選出loss最大的N個，其余的拋棄。這個方法就只處理了easy sample的問題。

Oline Hard Negative Mining， OHNM， SSD（2016）里使用的一個OHEM變種， 在Focal Loss里代號為OHEM 1：3。在計算loss時， 使用所有的positive anchor， 使用OHEM選擇3倍于positive anchor的negative anchor。同時考慮了類間平衡與easy sample。

Class Balanced Loss。計算loss時，正負樣本上的loss分別計算， 然后通過權重來平衡兩者。暫時沒找到是在哪提出來的，反正就這么被用起來了。它只考慮了類間平衡。

Focal Loss（2017）， 最近提出來的。不會像OHEM那樣拋棄一部分樣本， 而是和Class Balance一樣考慮了每個樣本， 不同的是難易樣本上的loss權重是根據樣本難度計算出來的。

從更廣義的角度來看，這些方法都是在計算loss時通過給樣本加權重來解決不平衡與easy example的問題。不同的是，OHEM使用了hard weight（只有0或1），而Focal Loss使用了soft weight（0到1之間）。

現(xiàn)在依然常用的方法特性比較如下：

接下來， 通過修改過的Cifar數(shù)據集來比較這幾種方法在分類任務上的表現(xiàn)，當然， 主要還是期待Focal Loss的表現(xiàn)。

實驗數(shù)據

實驗數(shù)據集

Cifar-10， Cifar-100。使用Cifar的原因沒有別的， 就因為窮，畢竟要像Focal Loss論文里那樣跑那么多的大實驗對大部分學校和企業(yè)來說是不現(xiàn)實的。

處理數(shù)據得到類間不平衡

將多分類任務轉換成二分類：

new_label = label == 1

原始Cifar-10和100里有很多類別，每類圖片的數(shù)量基本一樣。按照這種方式轉變后，多分類變成了二分類， 且正負樣本比例相差懸殊：9倍和99倍。

實驗模型

一個5層的CNN，完成一個不平衡的二分類任務。使用Cross Entropy Loss，按照不同的方法使用不同的權值方案。以不加任何權重的CE Loss作為baseline。

衡量方式

在這種不平衡的二分類問題里， 準確率已經不適合用來衡量模型的好與壞了。此處使用F-Score作標準。

實現(xiàn)細節(jié)

CE（Cross Entroy Loss）

OHEM

分為以下三步：

1. 計算ce_loss， 同CE

2. 根據ce_loss排序， 選出top N 個sample：

Class Balance CE

形式多種多樣，我個人最喜歡使用：

優(yōu)化方法

最簡單的SGD， 初始lr=0.1， 每200，000步衰減一次， 衰減系數(shù)為0.1。Cifar-100上focal_loss的初始lr=0.01。

batch_size = 128.

實驗結果

CIFAR-10：

Focal Loss的一個補丁

對于CIFAR-100，batch_size=128時， 一個batch內可能會一個positive sample都沒有， 即n_pos == 0， 這時，paper里用n_pos來normalize loss 的方式就不可行了。測試過兩種簡單的選擇：一是用所有weight之和來normalize， 二是直接不normalize。前者很難訓練甚至訓練不出來， 后者可用。所以上面的Focal loss計算代碼應該補充為：

經驗總結

Code Available On Github

https://github.com/dengdan/test_tf_models

Branch:focal_loss

References Focal Loss for Dense Object Detection， https://arxiv.org/pdf/1708.02002.pdf

RCNN， https://arxiv.org/abs/1311.2524

Fast RCNN， http://arxiv.org/abs/1504.08083

Faster-RCNN， http://arxiv.org/abs/1506.01497

Training Region-based Object Detectors with Online Hard Example Mining， https://arxiv.org/abs/1604.03540

審核編輯 ：李倩