将focal loss添加到你的网络框架当中（caffe 版本）

1. https://github.com/Longqi-S/Focal-Loss 下载focal-loss-master.zip

2.解压focal-loss-master.zip，得到softmax_focal_loss_layer.cpp, softmax_focal_loss_layer.cu和 softmax_focal_loss_layer.hpp

3.将softmax_focal_loss_layer.hpp放到caffe-master/include/caffe/layers里面

4.将softmax_focal_loss_layer.cpp, softmax_focal_loss_layer.cu放到caffe-master/src/caffe/layers里面

5.修改caffe-master/src/caffe/proto/caffe.proto文件

参考 http://blog.csdn.net/shuzfan/article/details/51322976

（1）由于我们的层有一个focal_loss_param参数，因此我们首先应该在message LayerParameter {}中添加新参数信息。添加信息时，首先要制定一个唯一ID，这个ID的可选值可以由这句话看出：

// NOTE

// Update the next available ID when you add a new LayerParameter field.

//

// LayerParameter next available layer-specific ID: 143 (last added: scale_param)

所以添加下面这句话：

// Focal Loss layer

optional SoftmaxFocalLossParameter softmax_focal_loss_param = XXX; (XXX is determined by your own caffe)

（2）在任意位置添加消息函数

// Focal Loss for Dense Object Detection

message SoftmaxFocalLossParameter{

optional float alpha = 1 [default = 0.25]; 

optional float gamma = 2 [default = 2];

}

5.重新编译caffe, make all -j16

6.重新编译pycaffe, make pycaffe

7.修改模型文件

这是之前的softmax层：

layer {

name: "loss_cls"

type: "SoftmaxWithLoss"

bottom: "cls_score"

bottom: "labels"

propagate_down: 1

propagate_down: 0

top: "loss_cls"

loss_weight: 1

}

这是修改后的softmax层：

layer {

name: "focal_loss_cls"

type: "SoftmaxWithFocalLoss"

bottom: "cls_score"

bottom: "labels"

propagate_down: 1

propagate_down: 0

top: "focal_loss"

softmax_focal_loss_param {

alpha: 1

gamma: 1

}

}

8：开始训练