目标检测YOLOv4详解
目标检测的分类
目标检测的数据表示与效果评估
YOLO系列详细讲解
YOLO系列的精华思想
YOLOv4网络结构介绍
- 因为yolov4是2020年被提出的,它的作者做了大量的实验,整合了当时圈子里面很多优秀的思想。同时v4的作者还总结了目标检测的网络模型应该包含的四个部分:输入端、BackBone、Neck、Head。
- 接下来的v1-v3也会基于这个结构做简单梳理。
YOLOv1-v3网络结构梳理
v1网络结构
v1版本没有Neck部分
v2网络结构
v2版本加入了Neck部分,用的是简单的特征融合。同时还做了很多细节方面的优化。
v3网络结构
v3版本的Neck部分,作者使用了FPN这种自顶向下的特征融合思想。
YOLOv4的网络结构与算法改进详解
输入端
- v4作者整理了很多种图像增强的方法,做了大量实验,最终使用了他们自己提出来的一种叫做Mosaic的方法。
- 同时还使用了SAT自对抗训练进行数据增加。
- 标签的增强使用了类平滑标签。
主干网络BackBone
主干网络作者使用了CSPDarkNet53、Mish激活函数、DropBlock。
特征融合Neck
特征融合部分,作者用了PANet(对FPN的改进引入了自底向上的逻辑)、SAM(CBAM的简化部分)、SPP(空间金字塔池化)的方法。
预测头部分Head
Head部分作者使用了CIOU损失、DIOU-NMS。