RetinaNet

释义 Definition

RetinaNet 是一种用于目标检测（object detection）的深度学习模型架构，由 Facebook AI Research 提出。它以提出的 Focal Loss（焦点损失） 闻名，用来缓解“一阶段检测器”中前景/背景样本极度不平衡的问题，从而提升检测精度。

发音 Pronunciation (IPA)

/ˈrɛtɪnəˌnɛt/

例句 Examples

I trained a RetinaNet model to detect cars in street photos.
我训练了一个 RetinaNet 模型来在街景照片中检测汽车。

Compared with earlier one-stage detectors, RetinaNet improves accuracy by using focal loss and multi-scale features.
与早期的一阶段检测器相比，RetinaNet 通过焦点损失和多尺度特征提升了准确率。

词源 Etymology

RetinaNet 由 retina（视网膜） + net（网络） 组合而来，暗示该模型像“视觉系统”一样进行识别；在命名上也常见于计算机视觉领域，用“视觉器官/感知”类词汇来表达“看懂图像”的能力。

相关词 Related Words

• Anchor
• Coco
• Feature Pyramid Network
• Focal Loss
• Faster R-CNN
• Object Detection
• ResNet
• Single-Stage Detector
• SSD
• YOLO

文学与作品 Literary Works

• **Lin, T.-Y., Goyal, P., Girshick, R., He, K., & Dollár, P. (2017). Focal Loss for Dense Object Detection.**（RetinaNet 的原创论文，首次系统提出并验证 Focal Loss）
• 一些计算机视觉教材与工程书籍（如目标检测章节）会在“一阶段/二阶段检测器比较”、以及“类别不平衡处理”部分引用 RetinaNet 作为经典方法之一。