Unverified50% confidenceFactExact time
Focal Loss由何恺明等人在2017年的RetinaNet论文中提出，用于解决目标检测中前景与背景样本极度不均衡的问题
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/2/2026
First Seen
Valid until: 9/30/2026
Sources
深度学习车道线检测：分割转分类实现300+FPS实时推理
bilibili论文发刊罗小黑6/12/2026
Related Claims
UnverifiedLoss Scaling最初由NVIDIA在2018年提出，用于解决FP16训练中梯度下溢问题68% similarUnverifiedFocal Loss的核心是引入调制因子(1-p_t)^γ，γ通常设为2，使模型训练注意力自动聚焦到难分类样本66% similarUnverified缺陷检测任务的核心难点在于样本极度不平衡，业界通常采用数据增强、损失函数加权（如Focal Loss）或异常检测范式应对65% similarUnverified级联架构面临的核心挑战是误差传播，上游模型的偏差会被放大传递到下游64% similarUnverified对比学习的核心损失函数（如InfoNCE、NT-Xent）本质是拉近同类样本表征距离、推远不同类样本表征距离64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/42657API
curl https://kongchang.com/api/v1/knowledge/claims/42657MCP
get_claim(id=42657)