「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳( 三 )

2026-01-20

S：去除边框敏感性，，之前的中心点回归与anchor的边相关，当需要趋近或时，需要很大的，为此对sigmoid添加一个大于1的因子来减少这个影响
M：Mosaic数据增强
IT：IoU阈值，使用大于IoU阈值的anchor进行训练，之前好像只选最大的
GA：使用遗传算法进行最优超参选择
LS：标签平滑
CNB：论文提出的CmBN
CA：使用余弦退火(Cosine annealing scheduler)进行学习率下降
DM：动态mini-batch大小，小分辨率时增加mini-batch
OA：使用最优的anchors
GIoU, CIoU, DIoU, MSE：bbox损失函数

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图
论文也对比了检测端的BoS ，从结果来看， SPP、PAN和SAM同时使用时效果最好。
Influence of different backbones and pretrained weightings on Detector training

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图
论文研究了不同主干网络对检测准确率的影响，可以看到CSPDarknet53能更好地适应各种改进。
Influence of different mini-batch size on Detector training

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图
论文对比了不同的mini-batch大小下的检测准确率，在加入BoF和BoS训练策略后， mini-batch的改变几乎对准确率没有影响。
Results

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图
表8、9和10分别为Maxwell GPU、Pascal GPU和Volta GPU上的实验结果，从大量的实验对比来看， YOLOv4在速度和准确率上都十分耐看。

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图
结论 YOLOv4在速度和准确率上都十分优异，作者使用了大量的trick ，论文也写得很扎实，在工程还是学术上都有十分重要的意义，既可以学习如何调参，也可以了解目标检测的SOTA trick 。
论文地址：https://arxiv.org/abs/2004.10934
论文代码：https://github.com/AlexeyAB/darknet

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图

「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳

本文插图

那个分分钟处理10亿节点图计算的Plato ，现在怎么样了？
看似毫不相干，哲学与机器学习竟有如此大的交集
黑客用上机器学习你慌不慌？这 7 种窃取数据的新手段快来认识一下
“谷歌杀手”发明者，科学天才 Wolfram
数据库激荡40年，深入解析PostgreSQL、NewSQL演进历程
【「Mosaic」YOLOv4来了，大型调优现场，速度和准确率俱佳】5分钟！就能学会以太坊 JSON API 基础知识

推荐阅读

上一篇：『Google』政策变更：验证身份信息后才能在Google投广告

下一篇：『GPU』降低预测过程计算成本，这些NLP模型压缩方法要知道