10.YOLOV4

1.整体介绍（Optimal Speed and Accuracy of Object Detection）虽然作者换了 ， 但精髓没变！如果CV界有劳模奖 ， 一定非他莫属！整体看还是那个味 ， 细还是他细！M 江湖传闻最高的武功 ：嫁衣神功2.V4贡献：亲民政策 ， 单GPU就能训练的非常好 ， 接下来很多小模块都是这个出发点 两大核心方法 ，从数据层面和网络设计层面来进行改善消融实验 ， 感觉能做的都让他给做了 ，这工作量不轻全部实验都是单GPU完成 ，不用太担心设备了Bag of freebies(BOF)只增加训练成本 ， 但是能显著提高精度 ， 并不影响推理速度数据增强： 调整亮度、 对比度、 色调、 随机缩放、 剪切、 翻转、 旋转网络正则化的方法： Dropout、 Dropblock等 类别不平衡 ， 损失函数设计Mosaic data augmentation方法很简单 ，参考CutMix然后四张图像拼接成一张进行训练数据增强Random Erase： 用随机值或训练集的平均像素值替换图像的区域Hide and Seek： 根据概率设置随机隐藏一些补丁elf-adversarial-training(SAT)通过引入噪音点来增加游戏难度DropBlock之前的dropout是随机选择点(b) ， 现在吃掉一个区域Label Smoothing神经网络最大的缺点： 自觉不错（过拟合） ， 让它别太自信例如原来标签为（0,1）：Label Smoothing使用之后效果分析（右图） ：簇内更紧密 ， 簇间更分离IOU损失IOU损失： (也经常1-IOU)有哪些问题呢？M 没有相交则IOU =0无法梯度计算 ， 相同的IOU却反映不出实际情况到底咋样GIOU损失公式：引入了最小封闭形状C（ C可以把A ， B包含在内）在不重叠情况下能让预测框尽可能朝着真实框前进但是这种情况下又完了。 。 。 DIOU损失公式： 其中分子计算预测框与真实框的中心点欧式距离d分母是能覆盖预测框与真实框的最小BOX的对角线长度c直接优化距离 ，速度更快 ， 并解决GIOU问题 CIOU损失损失函数必须考虑三个几何因素： 重叠面积 ， 中心点距离 ， 长宽比其中α可以当做权重参数DIOU-NMS之前使用NMS来决定是否删除一个框 ， 现在改用DIOU-NMS公式： ……M 不仅考虑了IoU的值,还考虑了两个Box中心点之间的距离其中M表示高置信度候选框 ， Bi就是遍历各个框跟置信度高的重合情况SOFT-NMS做人留一面日好相见 ，柔和一点的NMS ， 更改分数而且直接剔除Bag of specials(BOS)M 增加稍许推断代价 ， 但可以提高模型精度的方法M 网络细节部分加入了很多改进 ， 引入了各种能让特征提取更好的方法M 注意力机制 ， 网络细节设计 ，特征金字塔等 ， 你能想到的全有M 读折一篇相当于把今年来部分优秀的论文又过了一遍SPPNet(Spatial Pyramid Pooling)M V3中为了更好满足不同输入大小 ， 训练的时候要改变输入数据的大小M SPP其实就是用最大池化来满足最终输入特征一致即可CSPNet（ Cross Stage Partial Network）每一个block按照特征图的channel维度拆分成两部分一份正常走网络 ， 另一份直接concat到这个block的输出CBAM就是这个家伙：M 其实就是加入了注意力机制 ， 已经很常见了在各种论文中V4中用的是SAM ， 也就是空间的注意力机制 不光NLP,语音识别领域在搞attention ， CV中也一样YOLOV4中的Spatial attention module一句话概述就是更简单了 ，速度相对能更快一点PAN(Path Aggregation Network)故事得先从FPN说起自顶向下的模式 ，将高层特征传下来好像只有一条路子 ， 能不能来个双向的呢？这就得轮到PAN登场了 ， 思想也很简单M ish：（也许就是明日之星）别一棒子全给打死 ， 给个改过自新的机会Relu有点太绝对了 ， M ish更符合实际公式：f(α)=·tanh(ln(1+ew))但是计算量确实增加了 ，效果会提升一点eliminate grid sensitivity比较好理解 ， 坐标回归预测值都在0-1之间 ， 如果在grid边界怎么表示？M 此时就需要非常大的数值才可以达到边界为了缓解这种情况可以在激活函数前加上一个系数（大于1的） ：