其他分享
首页 > 其他分享> > YOLOv4

YOLOv4

作者:互联网

 YOLOv4: Optimal Speed and Accuracy of Object Detection

论文:https://arxiv.org/abs/2004.10934

代码:https://github.com/AlexeyAB/darknet

YOLOv4在COCO上,可达43.5%AP,速度高达65fps

YOLOv4的特点是集大成者,俗称堆料,但最终达到这么高的性能,一定是不断堆料、不断调参的结果。

1、框架:

对于GPU,作者在卷积层中使用:CSPResNeXt50/CSPDarknet53

对于VPU,作者使用分组卷积,但避免使用SE块-具体来说,它包括以下模型:EfficientNet-lite/MixNet/GhostNet/MobileNetV3

目标是在输入网络分辨率、卷积层数、参数数量和层输出(filters)的数量之间找到最佳平衡。

CSPDarknet53(CSP)

CSPDarknet53(CSP)是darknet53的改进版本,经过主干神经网会得到3个有效特征层输出13*13*1024、26*26*512和52*52*256的特征层CSP

融合特征提取 neck

SPP结构

PANet 

SE 和SAM

数据增强

  1. 亮度、饱和度、噪声
  2. 几何变形
  1. random erase
  2. cutout
  3. hide-and-seek grid mask 随机或均匀选取图片中的集合区域将其全部替换为0
  1. dropout
  2. dropconnect
  3. dropblock
  1. Mixup
  2. CutMix作者在CutMix基础上提出Mosica增强

  1. hard negative example mining
  2. online hard example mining
  3. focal loss

YOLOv4 = CSPDarknet53+SPP+PAN+YOLOv3其中YOLOv4用到相当多的技巧:

2、步骤:

3、细节:吸收各个领域的trick改进自己的算法:

cmBN 参考链接https://blog.csdn.net/qq_35447659/article/details/107797737

标签:YOLOv4,函数,Mish,卷积,SPP,CSP
来源: https://blog.csdn.net/zml194849/article/details/118810125