Mosaic：YOLOv4来了，大型调优现场，速度和准确率俱佳 |算法|网页设计|S

本文插图

本文插图

作者 | VincentLee来源 | 晓飞的算法工程笔记

本文插图

简介

本文插图

论文提出YOLOv4 ，从图1的结果来看，相对于YOLOv3在准确率上提升了近10个点，然而速度并几乎没有下降，论文主要贡献如下：

提出速度更快、精度更好的检测模型，仅需要单张1080Ti或2080Ti即可完成训练。
验证了目前SOTA的Bag-ofFreebies(不增加推理成本的trick)和Bag-of-Specials(增加推理成本的trick)的有效性。
修改了SOTA方法，让其更高效且更合适地在单卡进行训练，包括CBN、PAN、SAM等。

本文插图

方法论 Selection of architecture 对检测模型来说，分类最优的主干网络不一定是最合适的，适用于目标检测的主干网络需满足以下要求：

高输入分辨率，提高小物体的检测准确率。
更多的层，提高感受域来适应输入的增加。
更多的参数，提高检测单图多尺寸目标的能力。

本文插图

理论来讲，应该选择感受域更大且参数了更大的模型作为主干网络，表1对比了三种SOTA主干网络的，可以看到CSPDarknet53的感受域、参数量以及速度都是最好的，故选其为主干网络。

本文插图

另外，使用不同大小的感受域有以下好处：

匹配物体大小，可以观察完整的物体。
匹配网络大小，可以观察物体的上下文信息。
超过网络的大小，增加点与最终激活之间的连接数。

为此， YOLOv4加入了SPP block ，能够显著地改善感受域大小，而且速度几乎没有什么下降。

本文插图

另外，使用PANet替换FPN来进行多通道特征的融合。
最终， YOLOv4选择CSPDarknet53作为主干网络，配合SPP模块， PANet通道融合以及YOLOv3的anchor based head 。
Selection of BoF and BoS 目前比较有效的目标检测提升的trick：

激活函数: ReLU, leaky-ReLU, parametric-ReLU, ReLU6, SELU, Swish, or Mish 。
bbox回归损失: MSE, IoU, GIoU, CIoU, DIoU
数据增强: CutOut, MixUp, CutMix
正则化方法: DropOut, DropPath, Spatial DropOut, or DropBlock
归一化方法: Batch Normalization(BN), Cross-GPU Batch Normalization(CGBN or SyncBN), Filter Response Normalization (FRN), or Cross-Iteration Batch Normalization(CBN)

由于PReLU和SELU难以训练，并且ReLU6是专门为量化网络设计的，从激活函数中去除这几种。而在正则化方法中， DropBlock的效果是最优的。对于归一化方法的选择，由于需要单卡训练，因此不考虑SyncBN 。