tensorflow之focal loss 实现

何凯明大佬的Focal Loss对交叉熵进行改进，主要解决分类问题中类别不均衡导致的模型训偏问题。

 在计算机视觉（CV）任务里常常会碰到类别不平衡的问题， 例如： 
1. 图片分类任务，有的类别图片多，有的类别图片少 
2. 检测任务。现在的检测方法如SSD和RCNN系列，都使用anchor机制。 训练时正负anchor的比例很悬殊. 
3. 分割任务， 背景像素数量通常远大于前景像素。 
从实质上来讲， 它们可以归类成分类问题中的类别不平衡问题：对图片/anchor/像素的分类。

1. 交叉熵

2. focal loss

对于二分类，alpha取值0.25, gamma取值2效果比较好，可以根据自身任务调整参数：

tensorflow实现