深度学习（24）——YOLO系列（3）

今天YOLOv4理论版

1. BOF(bag of freebies)

• 只增强训练成本，但是能显著提高精度，但是不影响推理速度
• 数据增强：调整亮度，对比度，色调，随机缩放…
• 网络正则化的方法：dropout，dropblock
• 类别不平衡——>损失函数设计

2. Mosaic data augmentation

• 参考cutmix，以前就存在，将增强的四张图像拼接在一张进行训练（相当于间接增加batch）
  

3. 数据增强

• random erase：随机遮挡或擦除
• hide and seek:根据概率随机隐藏补丁

4. self-adversarial-training（SAT）

• 在原始图像中增加噪音点干扰
  

5. dropblock

dropout是随机选择一些点遮住（游戏难度增加不大），dropblock现在遮住一个区域（游戏难度增大）

6. label smoothing

• 神经网络最大的缺点，标签绝对，容易过拟合
• 使用之后，簇内更紧密，簇间更分离

7. 损失函数

a. IOU损失

• 相同的IOU却反映不出实际情况到底是怎么样的
• 当交集为0时，没有梯度无法计算（梯度消失）

b.GIOU

• 引入最小封闭框C（C可以把A,B包含在内）
• 在不重叠的情况下可以使预测框尽可能靠近真实框
• 解决了梯度下降的问题，但是重叠的时候失灵

c. DIOU

• 附加项的分子项：预测框与真实框中心点的欧氏距离
• 附加项的分母项：最小封闭框的对角线长度C
• 直接优化距离，速度更快，并解决GIOU

d.CIOU

• 考虑三个几何因素：

  • 重叠面积
  • 中心点距离
  • 长宽比（v）

8. SPPNet（spatial pyramid pooling）

• 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
• SPP其实就是用最大池化来满足最终输入特征一致即可

9. CSPNet（cross stage partial network）【更快】

• 每个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

10.CBAM & SAM

• 计算量太大！所以在V4中，引入SAM ，没有channel之间的attention，只有spatial空间attention（attention可以让模型更好学习特征）

11.YOLO中的attention链接机制

12. PAN

• FPN是自顶向下的模式，将高层特征传下来，高层逐层向下兼容下层（单向）
• 缺少底层到高层，PAN登场
• 引入自底向上的路径，使得底层信息更容易传到顶部
• 还是一个捷径，红色的可能要走100+层，绿色只需要几层就OK
  

13. PAN的连接方式

14. 激活函数

15. 网络结构

16.优点

• 使用单个GPU就可以训练很好
• 量大核心方法：数据层面+网络层面
• 消融实验
• 速度快，性能高！