『目标检测』YOLO V4

一、数据增强

对于单一图片，除了经典的 几何畸变 和 光照畸变 外，还创新地使用了图像遮挡（Random Erase, Cutout, Hide and Seek, Grid Mask, MixUp）技术；
对于多图组合，作者混合使用了 CutMix 与 Mosaic 技术。
除此之外，还使用了 Self-Adversarial Training(SAT) 来进行数据增强。

1. 图像遮挡

• Random Erase
  用随机值或训练集的平均像素值替换图像的区域。
• Cutout
  仅对 CNN 第一层的输入进行剪切方块 Mask。
• Hide and Seek
  将图像分割成一个由 S*S 图像补丁组成的网络，根据概率设置随机隐藏一些补丁，从而让模型学习整个对象的特征，而不是单独一块，比如不单独依赖动物的脸做识别。
• Grid Mask
  将图像的区域隐藏在网格中，作用也是为了让模型学习对象的整个组成部分。
• MixUp
  图像对及其标签的凸面叠加。

2. 多图组合

• CutMix
  将另一个图像中的剪切部分粘贴到增强图像。图像的剪切迫使模型学会根据大量的特征进行预测。
• Mosaic
  在 Cutmix 中组合了两张图像，而在 Mosaic 中使用四张训练图像按一定比例组合成一张图像，使模型学会在更小的范围内识别对象。其次，还有助于显著减少对 batch_size 的需求，毕竟大多数人的 GPU 显存有限。

二、自对抗训练（SAT）

Self-Adversarial Training 是在一定程度上抵抗对抗攻击的数据增强技术。CNN 计算出 Loss, 然后通过反向传播改变图片信息，形成图片上没有目标的假象，然后对修改后的图像进行正常的目标检测。需要注意的是，SAT 在反向传播的过程中，是不需要网络权值的。

三、基本知识点积累

1. 激活函数

在 yolov4 中使用 Mish 激活函数。

2. 优化器

在 yolov4 中使用 SGD 优化器。

3. 损失函数

在 yolov4 中使用 CIOU Loss 作为 bounding box 的损失。

四、YOLO V4的改进

1. 主干特征提取网络：DarkNet53 => CSPDarkNet53

2. 特征金字塔：SPP，PAN

3. 分类回归层：YOLOv3（未改变）

4. 训练用到的小技巧：

1. Mosaic数据增强
2. Label Smoothing平滑
new_onehot_labels = onehot_labels * (1 - label_smoothing) + label_smoothing / num_classes
3. CIOU
4. 学习率余弦退火衰减
余弦退火衰减法，学习率会先上升再下降，这是退火优化法的思想。
上升的时候使用线性上升，下降的时候模拟cos函数下降。执行多次。

5. 激活函数：使用Mish激活函数
Mish函数的公式与图像如下：

五、YOLO V4 网络结构

当输入是 416x416 时，特征结构如下：