在正负样本非常不均衡的情况，对于weighted cross_entropy loss应该如何理解？
在MS-CNN（A Unified Multi-scale Deep ConvolutionalNeural Network for Fast Object Detection）中，作者为了解决正样本数量太少容易引起训练失衡的情况，在cross_entropy loss损失函数中加入了权重系数，形式如下：
关于以上公式有些不理解：在正样本数量缺失的情况下，不是应该增大正样本的权重系数吗，可是按照作者的做法，加入权重系数之后，正负样本系数的倍数关系由之前的r变成了1（[1/(1+r)(s+)]/[r/(1+r)(s-)=1]），正样本的权重系数反而变小了。想知道作者这样做是基于什么原理，有没有相关的资料介绍。。谢谢！！
关于以上公式有些不理解：在正样本数量缺失的情况下，不是应该增大正样本的权重系数吗，可是按照作者的做法，加入权重系数之后，正负样本系数的倍数关系由之前的r变成了1（[1/(1+r)(s+)]/[r/(1+r)(s-)=1]），正样本的权重系数反而变小了。想知道作者这样做是基于什么原理，有没有相关的资料介绍。。谢谢！！
3 个回复
南七骄傲 - 90后IT男
赞同来自: alex68 、caney
xinmiao
赞同来自: caney
南七骄傲 - 90后IT男
赞同来自: yulian99