classification loss 的算法 about pytorch_retinaface HOT 3 OPEN

@twmht 这个公式是手动计算cross_entropy为后续ohem作准备的，交叉熵公式-pi*log(qi)， 其中pi=1，qi为Softmax的结果，因此公式简化为log( exp(x0-xmax) + exp(x1-xmax) ) - log( exp(xi-xmax) ) =
log( exp(x0-xmax) + exp(x1-xmax) ) + xmax - xi = log_sum_exp(xi) - xi, xi为网络的输出值，x0代表背景，x1代表人脸

from pytorch_retinaface.

我看 retinaface 的 paper (https://arxiv.org/abs/1905.00641) 也沒有解釋它們怎麼算的...

from pytorch_retinaface.

對於整個算法我的理解

batch_conf:
a1_c1, a1_c2
a2_c1, a2_c2
...
an_cn, an_cn

log_sum_exp(batch_conf) 是把 batch_conf 弄成

a1_c1, + a1_c2
a2_c1 + a2_c2
...
an_cn + an_cn

這邊為了方便省略 log 的計算了...

然後去扣這個 anchor 對到的 bounding box (可能是背景），如果是背景的話，就盡可能讓網路學習把前景的 conf 學成 0

我這樣的理解對嗎？

from pytorch_retinaface.