152、Focal Loss 中 α 与 γ 超参的网格搜索：16 组参数组合在 YOLOv11 上的结果

152、Focal Loss 中 α 与 γ 超参的网格搜索：16 组参数组合在 YOLOv11 上的结果

一、从一次线上事故说起

去年双十一大促，我负责的工业质检项目突然崩了——模型对缺陷样本的召回率从0.87暴跌到0.31。排查了两天，发现是数据分布变了：正常样本暴增到98%，缺陷样本只剩2%。当时团队里有人提议直接加权重，有人建议上OHEM，但我知道，这种极度不平衡的场景，Focal Loss才是正解。

但问题来了：Focal Loss的两个超参α和γ，到底怎么调？网上清一色的“α=0.25，γ=2.0”默认值，可我在YOLOv5时代就踩过坑——这个配置在工业缺陷检测上直接让模型训崩了。后来我花了整整一周，在YOLOv11上做了16组网格搜索，今天把血泪经验全盘托出。

二、Focal Loss在YOLOv11中的正确打开方式

先别急着改代码，YOLOv11的损失函数结构和v5/v8有本质区别。v11的损失计算分布在三个地方：分类损失、回归损失、DFL损失。我们只动分类损失部分，千万别动回归和DFL，否则模型会学歪。

2.1 定位修改点

打开你的YOLOv11源码，找到ultralytics/utils/loss.py，定位到v8ClassificationLoss类。注意，v11虽然叫v8ClassificationLoss，但内部实现已经重构了。关键代码在第120