YOLO系列-yolov4

Mosaic data augmentation

yolov4可以使用单卡GPU进行训练，训练任务不能太大，将四张图片融合成一起，借鉴了cutmix的方法，由上图可以知道cutmix效果最好，这样可以提高训练效率和精准度。yolov4还有增加噪音点、随机遮掩、随机裁剪等数据增强。

DropBlock

之前的dropout都是随机选择点，而yolov4是吃掉一个区域

Label Smoothing

神经网络最大的缺点就是容易过拟合
原来打标签是就打1不是就打0，这样有点太绝对
为了防止网络的抗拟合能力，yolov4做了标签平滑，例如原来的标签为（0，1）[0,1] * (1 - 0.1） + 0.1 / 2 = [0.05, 0.95]
下图就是使用之前和使用之后，一个簇内更紧密一个簇内更分离

损失函数遇到的问题

IOU就是预测框和真实框的重叠程度
但是光凭IOU会存在一个问题，下图三个的IOU是一样的，相同的IOU却反映不出实际情况到底怎么样

GIOU

主要与IOU不同的是引入了最小封闭形状C，C可以把A，B包含在内
为了在不重叠的情况下能让预测框尽可能朝着真实框前进

但是这样还是会出现下面这种问题，这三种不同的情况IOU和GIOU都相同，所以对于GIOU还需要继续改进

DIOU

其中分子是计算预测框和真实框的中心点的欧氏距离d
分母是能覆盖预测框和真实框的最小BOX的对角线长度c
直接优化距离，速度更快，并解决GIOU的问题

CIOU

综合考虑了重叠面积，中心点距离，长宽比（真实值和预测值的长宽比）

bag of specials(bos)

增加稍许推断代价，但可以提高模型精度的方法
网络细节部分加入了很多改进，引入了各种能让特征提取更好的方法
注意力机制，网络细节，特征金字塔等等

SPPNet(Spatial Pyramid Pooling)

V3中为了更好的满足不同输入大小，训练的时候要改变输入数据的大小
SPP就是用最大池化来满足最终输入特征一致

CSPNet(Cross Stage Partial Network)

每个block按照特征图的channel维度拆分成两个部分
一份正常走网络，另一份直接concat到这个block的输出

CBAM

比如有3232256 的特征图，但是不一定每个特征图都很重要，需要给这些特征图加一个权重值，类似做一个softmax操作和计算空间点位置的权重值，然后再把这些权重值乘到原来的特征图当中，简单来说就是加入了注意力机制，已经在很多论文中常见了。

SAM

V4中用的是SAM，也就是空间注意力机制（位置部分的注意力）

PAN（Path Aggregation Network)

FPN是自顶向下的模式，将高层的特征传下来，例如resnet，总是将上一层的特征和下面的融合，这样做的缺点是没有做到自下向上的融合，而pan做的就是自低向上的路径 ，使得底层信息更容易传到顶部

激活函数 Mish

Relu有些绝对，Mish更符合实际
Mish是给前面学的不太好的一个机会，而不是像relu一棒子都打死

整体网络架构