主要参考：
睿智的目标检测9——Focal loss详解及其实现
信息量与熵
添加链接描述
交叉熵损失函数（CrossEntropy Loss）（原理详解）
有参考很多文章与博客，有的可能忘记放出处了，侵权请联系，马上修改~
Focal loss是何恺明大神提出，最初用于图像领域解决数据不平衡造成的模型性能问题。
Focal loss作用：
1、控制正负样本的权重
2、控制容易分类和难分类样本的权重
准备知识
正负样本：
一张图像可能生成成千上万的候选框，但是其中只有很少一部分是包含目标的的，有目标的就是正样本，没有目标的就是负样本。
容易分类和难分类样本：
假设存在一个二分类，样本1属于类别1的pt=0.9，样本2属于类别1的pt=0.6，显然前者更可能是类别1，其就是容易分类的样本；后者有可能是类别1，所以其为难分类样本。
one-stage方法效果：
类别不平衡问题，不利于模型学习
positive examples 很少
hard examples 很少
easy examples 很多（背景类）：
easy examples 过多：产生的梯度会主导模型学习，削弱对 hard examples 的学习能力，从而降低 hard examples 的准确率
熵和信息的定义：
我们每时每刻都在获取信息，理解信息，那么到底什么是信息？
当一件事情（宏观态）有多种可能情况（微观态）时，这种事情（宏观态）对某人（观察者）而言具体是哪种情况（微观态）的不确定性叫做熵，而能够消除对该件事情的不确定性的事物叫做信息。
信息量-信息量的大小和事件发生的概率P成反比
信息熵:
用来衡量事物不确定性的。信息熵越大（信息量越大，P越小），事物越具不确定性，事物越复杂。
信息熵的公式：
在结果出来之前对可能产生的信息量的期望，期望可以理解为所有可能结果的概率乘以该对应的结果。
可以把信息熵理解为是求log2 ( p )
（p=1时，熵=0，不导致任何信息量的增加）
相对熵:
相对熵，又被称为KL散度（Kullback-Leible）或信息散度，是两个概率分布间差异的非对称性度量 。在信息论中，相对熵等价于两个概率分布的信息熵的差值，若其中一个概率分布为真实分布，另一个为理论（拟合）分布，则此时相对熵等于交叉熵与真实分布的信息熵之差，表示使用理论分布拟合真实分布时产生的信息损耗 。
（两个随机分布相同时，它们的相对熵为零，当两个随机分布的差别增大时，它们的相对熵也会增大 ）
相对熵与相对熵的推导过程可参考：写得特别好！
二分类问题的sigmoid交叉熵损失函数推导
熵[1]—熵、交叉熵、相对熵（KL散度）的关系
交叉熵
在逻辑回归中：
p:真实样本分布，服从参数为p的0-1分布，即X~B(1,p)
q:待估计的模型，服从参数为q的0-1分布，即X~B(1,q)
0-1分布，我们把其中一种事件的结果发生的概率定为p，那么另一种结果的概率就是1-p，两者的概率和是1.
Focal loss
权重因子αt： 解决 positive/negative examples 问题
Pt： 解决 hard/easy examples 问题
反映了与ground truth即类别y的接近程度， Pt越大说明越接近类别y，即分类越准确
对于正样本而言，1-p的值越大，样本越难分类。
对于负样本而言，p的值越大，样本越难分类。
利用1-Pt就可以计算出每个样本属于容易分类或者难分类。
调制系数γ：
γ越大，越关注负样本调整该抑制作用的大小（当γ=0的时候，focal loss就是传统的交叉熵损失）
最终公式：
OHEM与Focal loss
OHEM本身用在了一个two-stage的模型上，那么正负样本就是可控的，OHEM做的事情是难例挖掘的过程
Focal loss应用在one-stage模型上，无论如何正负样本都不能自由组合，所以只能靠最后计算损失的时候抑制负样本，抑制简单样本，挖掘难例。
实现
（未完待续）
可参考：睿智的目标检测59——Pytorch Focal loss详解与在YoloV4当中的实现
