标准回答
问题背景
单阶段检测器在整张图密集铺设上万个 anchor，其中绝大多数是容易判定的背景负样本。用普通交叉熵时，这些「易分但数量巨大」的样本累积起来主导了总损失和梯度，淹没了少量难分正样本，导致训练低效、精度受限。
Focal Loss 的做法
Focal Loss 在交叉熵前乘一个调制因子：(FL(p_t) = -\alpha_t (1-p_t)^\gamma \log p_t)，其中 (p_t) 是模型对真实类别的预测概率。对已经分对的样本（(p_t) 接近 1），((1-p_t)^\gamma) 趋近 0，损失被大幅压低；对难分样本（(p_t) 小）几乎不衰减。这样梯度自动聚焦到难例上。
两个超参数
γ 控制聚焦强度，γ 越大对易分样本压制越强，论文取 2 较优；α 是类别平衡因子，进一步调节正负样本的相对权重。两者配合即可在不做显式难例挖掘的情况下平衡训练。
常见误区
⚠️ 常见踩坑
别把 α 当成解决不平衡的主力——α 只做静态正负加权，真正按难易动态调权的是 (1-p_t)^γ 调制因子；γ=0 时 Focal Loss 退化为带权交叉熵。
追问
追问 1：Focal Loss 与 OHEM（在线难例挖掘）有何区别？
OHEM 显式地丢弃易分样本、只保留 loss 最大的一批难例做反向，是「硬选择」；Focal Loss 保留全部样本，用连续的调制因子做「软加权」，平滑且无需额外采样逻辑，实现更简单、信息利用更充分。
追问 2：γ 取太大会有什么副作用？
γ 过大时对易分样本压制过狠，可能让中等难度样本贡献也被削弱，训练后期梯度过于稀疏、收敛变慢甚至欠拟合；需配合 α 调参，实践中 γ=2、α=0.25 是常用起点。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。