(六)YOLO-V4算法改进解读

         YOLOv4版本最大的改进就是性能较优


1.mosaic数据增强

将四张图像拼接到一张进行训练,间接增加了batch size,提高效率

(六)YOLO-V4算法改进解读_第1张图片

2.CIOU损失函数

(六)YOLO-V4算法改进解读_第2张图片 3.SOFT NMS

 极大值抑制的策略从直接剔除改为降低分数,有效解决目标覆盖误检

(六)YOLO-V4算法改进解读_第3张图片

4.SSP Net

将初始不同大小的特征图通过池化调整到统一大小后叠加

(六)YOLO-V4算法改进解读_第4张图片 5.CSP Net

对于一部分特征图输入,进入ResNet中,另一部分直接拼接到结果上

(六)YOLO-V4算法改进解读_第5张图片

 6.CBAM注意力机制

将特征图中重要的部分,根据channel和位置两部分进行加权叠加

(六)YOLO-V4算法改进解读_第6张图片

 SAM注意力机制

在V4中采用的是SAM机制,只进行空间的注意力机制

(六)YOLO-V4算法改进解读_第7张图片

你可能感兴趣的:(YOLO目标检测,目标检测,人工智能,深度学习,计算机视觉,YOLO)