Focal Loss — это революционная функция потерь, разработанная для приложений глубокого обучения, которые сталкиваются с проблемами бинарной классификации, когда данные несбалансированы, а один класс имеет значительное преимущество над другим. Концепция очаговой потери была впервые введена Lin et al. в своей новаторской статье «Focal Loss for Dense Object Detection» в 2017 году. Основная цель Focal Loss — свести к минимуму влияние точно классифицированных примеров на процесс обучения и сместить акцент на трудно поддающиеся классификации примеры. Это достигается за счет включения модуляции…