YOLOv4网络详解

原视频来自B站UP主霹雳吧啦Wz

YOLOv4网络详解_哔哩哔哩_bilibili

YOLOv4:Optimal Speed and Accuracy of Object Detection(目标检测得最佳速度和精度)

网络结构：

• Backbone:CSPDarknet53
• Neck:SPP,PAN
• Head:YOLOv3

优化策略：

• Eliminate grid sensitivity
• Mosaic data augmentation
• Iou threshold(match posotive samples)
• Optimizered Anchors
• CIOU

 CSPDarknet53的优点：

1.增强了CNN的学习能力，加快了网络的推理速度

2.移除了计算的瓶颈

3.降低显存的使用

网络结构-SPP

Spatial Pyramid Pooling(空间的金字塔池化)

能在一定程度上解决多尺度的问题

 网络结构-PAN

Path Aggregation Network(路径聚合网络)

(a)FPN特征金字塔结构，将高层的语义信息与低层进行融合。

(b)与FPN相反，将低层的语义信息与高层融合

将(a),(b)两个模块合在一起就是PAN

YOLOv4的网络结构

注意： 同样的shape(宽、高、深度)才能进行contact（按深度进行拼接）操作

优化策略-Eliminate grid sensitivity（消除网格敏感度）

 优化策略-Mosaic data augmentation (马赛克数据增强)

将4张不同的图片按照一定的规律拼接在一起 ，扩充训练样本的多样性

优化策略-IoU threshold(match positive samples) 匹配正样本的IoU阈值 

 YOLOv3中每一个grid cell生成3个anchor 模板(Template)

如果多个AT达到阈值，则都作为正样本，来增加正样本的数量。

将中心点所在的grid cell上边和左边的网格的AT2都作为正样本，进一步扩充正样本的数量

 

 优化策略-Optimizered Anchors(优化anchor)

 优化策略-CIOU