让算法融入生活，改变生活！

Focal Loss for Dense Object Detection交叉熵在深度学习领域出现交叉熵（cross entropy）的地方就是交叉熵损失函数了。通过交叉熵来衡量目标与预测值之间的差距。了解交叉熵还需要从信息论中的几个概念说起。信息量如何衡量一条信息包含的信息量？加入我们有以下的两个事件：事件1：年底昆明要下雪事件2：年底哈尔滨要下雪凭直觉来说，事件1的信息量比事件2的信息量大，因为昆明一年四季如春，下雪的几率非常小。所以当越不可能的事件发生了，我们获取到的信息量就越大。越可能

最优化问题求解f(x)f(x)f(x)最小值是的x∗x^*x∗min⁡xf(x)\mathop {\min }\limits_x f(x)xmin​f(x)无约束时，通过求导的方式解决。约束条件(s.t.\text {s.t.}s.t.)有两种：等式约束：hi(x)=0,i=1,2,3,…,mh_{i}(x)=0 , i=1,2,3, \ldots, mhi​(x)=0,i=1...