半吊子程序员成长记录-YOLO-V4

目前学习了MTCNN、YOLO、UNet检测模型，Arcface特征提取方法。

今日重温YOLO-V4，有以下要点：

1.结构上，沿用了YOLO-V3的特征提取+侦测的结构。

2.特征提取结构中，将CBL模块中的LReLu激活函数换成了Mish激活函数（CBM模块），Mish激活函数是ReLU、tanh和sigmoid函数的结合体，增强了激活函数的非线性能力。此外，在原有的残差块中增加路由，增强模型浅层特征（路由和残差的区别，路由是保留了通道，能够同时保留浅层（相对概念）特征和深层特征，残差是直接相加）。

3.侦测结构中，加深了大目标侦测网络的深度，因为在YOLO中大目标更难侦测（因为大目标侦测需要更多的信息，即需要更全面的语义特征）。

4.SPP模块，增加感受视野，也就是通过多层级的不变尺寸的最大池化处理后路由，相当于是增加了信息量，变相增加感受视野。

5.损失函数。也采用了复合函数的思想，做了Smooth-L1，解决了L1存在某一点不可导的问题。

6.IOULoss（GIOU（剩余面积/外接矩形面积）/DIOU（中心点距离/外接矩形对角线距离）/CIOU（矩形框的对角线夹角的相似度））作者使用了CIOU-Loss和DIOU-NMS，但是作者为什么不使用CIOU-NMS？个人认为CIOU-NMS一样可以用于NMS中。

7.数据处理，马赛克技术。

YOLO-V4中的重要思想：

>>复合函数取代原有固定激活，损失函数

>>数据预处理提升模型效果

===========初学者，有误之处欢迎斧正！也欢迎讨论交流！===========