今年2月22日，知名的 DarkNet 和 YOLO 系列作者?Joseph Redmon 宣布退出 CV 界面，這也就意味著 YOLOv3 不會再有官方更新了。但是，CV 領(lǐng)域進(jìn)步的浪潮仍在滾滾向前，仍然有人在繼續(xù)優(yōu)化 YOLOv3。今日，著名的AlexeyAB版本發(fā)布了 YOLOv4的論文。該論文提出了五大改進(jìn)，二十多個技巧的實驗，可以說 YOLOv4是一項非常solid的工作。

論文題目：YOLOv4: Optimal Speed and Accuracy of Object Detection

論文鏈接：https://arxiv.org/pdf/2004.10934.pdf

開源代碼：https://github.com/AlexeyAB/darknet

首先，看一下作者論文上的效果圖，可以說在平均精度（mAP）和速度上，遠(yuǎn)超 YOLOv3版本（文中提到 mAP 提升 10個點，速度提升12%）。

筆者仔細(xì)閱讀了該論文，可以說 YOLOv4 是做了很多扎實的（solid）的工作。下面我們首先簡單介紹一下該論文，然后詳細(xì)介紹論文提到的五大改進(jìn)和二十多項最新目標(biāo)檢測技巧的實驗。

1

如何看待YOLOv4

目前，工業(yè)界常用的目標(biāo)檢測算法，SSD 是 2015年發(fā)表的，RetinaNet、 Mask R-CNN、Cascade R-CNN 是 2017 年發(fā)表的，YOLOv3 是2018年發(fā)表的。時光荏苒，過去的五年，深度學(xué)習(xí)也在不斷更新，從激活函數(shù)上，到數(shù)據(jù)增強，到網(wǎng)絡(luò)結(jié)構(gòu)，都有大量的創(chuàng)新。而YOLOv4這項工作，?可以說是既往開來。

如果用一個詞來評論這篇論文，那就是“良心”。這篇文章試驗對比了大量的近幾年來最新的深度學(xué)習(xí)技巧，例如? Swish、Mish激活函數(shù)，CutOut和CutMix數(shù)據(jù)增強方法，DropPath和DropBlock正則化方法，也提出了自己的創(chuàng)新，例如?Mosaic （馬賽克） 和?自對抗訓(xùn)練數(shù)據(jù)增強方法，提出了修改版本的 SAM 和 PAN，跨Batch的批歸一化（BN），共五大改進(jìn)。所以說該文章工作非常扎實，也極具創(chuàng)新。

而且作者也在文中多次強調(diào)，這是一個平衡精度和速度的算法，大的模型，例如Mask-RCNN和Cascade R-CNN在比賽中可以霸榜，但速度太慢；小的模型速度快，但精度又不高。另外，當(dāng)今的不少模型因為太大，需要很多GPU 進(jìn)行并行訓(xùn)練，而 YOLOv4 可以在一塊普通的GPU（1080Ti）上完成訓(xùn)練，同時能夠達(dá)到實時性，從而能夠在生產(chǎn)環(huán)境中部署。

2

YOLOv4作者的思考

作者總結(jié)的 YOLOv4 三大貢獻(xiàn)：

• 設(shè)計了強大而高效的檢測模型，任何人都可以用 1080 Ti 和? 2080 Ti訓(xùn)練這個超快而精準(zhǔn)的模型。

• 驗證了很多近幾年 SOTA 的深度學(xué)習(xí)目標(biāo)檢測訓(xùn)練技巧。

• 修改了很多 SOTA 的方法， 讓它們對單GPU訓(xùn)練更加高效，例如 CBN，PAN，SAM等。

作者總結(jié)了近幾年的單階段和雙階段的目標(biāo)檢測算法以及技巧，并?用一個圖概括了單階段和雙階段目標(biāo)檢測網(wǎng)絡(luò)的差別，two stage的檢測網(wǎng)絡(luò)，相當(dāng)于在one stage的密集檢測上增加了一個稀疏的預(yù)測器，或者說one stage網(wǎng)絡(luò)是 two stage的 RPN部分，是它的一個特例或子集。

作者將那些增加模型性能，只在訓(xùn)練階段耗時增多，但不影響推理耗時的技巧稱為?—— 贈品（bag of freebies），也就是白給的提高精度的方法。而那些微微提高了推理耗時，卻顯著提升性能的，叫做——特價（bag of specials），就是那些不免費，但很實惠的技巧。

bag of freebies

以數(shù)據(jù)增強方法為例，雖然增加了訓(xùn)練時間，但可以讓模型泛化性能和魯棒性更好。例如下面的常見增強方法：

• • 圖像擾動，

  • 改變亮度、對比對、飽和度、色調(diào)

  • 加噪聲

  • 隨機縮放

  • 隨機裁剪（random crop）

  • 翻轉(zhuǎn)

  • 旋轉(zhuǎn)

  • 隨機擦除（random erase）

  • Cutout

  • MixUp

  • CutMix

  下圖是作者在訓(xùn)練模型時用的圖像增強方法：

  另外，還有常見的正則化方法：

  • DropOut

  • DropConnect

  • DropBlock

  平衡正負(fù)樣本的方法：

  • Focal loss

  • OHEM(在線難分樣本挖掘)

  此外，還有回歸 loss的改進(jìn)：

  • GIOU

  • DIOU

  • CIoU

  凡此種種，都是訓(xùn)練時候的改進(jìn)技巧，不影響推理速度，都可以稱為贈送品。
  

bag of specials

特價品是指稍微增加推理的耗時，但是顯著提升性能的技巧。

例如增大感受野技巧：

• • SPP

  • ASPP

  • RFB

注意力機制：

• • Squeeze-and-Excitation (SE)， 增加2%計算量（但推理時有10%的速度），可以提升1%的ImageNet top-1精度。

  • Spatial Attention Module (SAM)，增加0.1%計算量，提升0.5%的top-1準(zhǔn)確率。

特征融合集成：

• • FPN

  • SFAM

  • ASFF

  • BiFPN （也就是大名鼎鼎的EfficientDet）

  更好的激活函數(shù)：

  • ReLU

  • LReLU
    

  • PReLU
    

  • ReLU6

  • SELU
    

  • Swish
    

  • hard-Swish

  后處理非最大值抑制算法：
  

  • soft-NMS
    

  • DIoU NMS

3

YOLOv3模型設(shè)計

作者針對 GPU和 VPU 分別使用不同的組卷積策略，GPU 使用 1~8 組卷積，?對VPU則使用完全的組卷積。網(wǎng)絡(luò)結(jié)構(gòu)采用的CSPResNeX50和CSPDarknet53。

作者提到，CSPResNeX50分類精度比CSPDarknet，但是檢測性能卻不如后者。

為了讓模型可以在單個GPU上訓(xùn)練的的更快，作者使用了以下幾個技巧：

• 獨創(chuàng)的數(shù)據(jù)增強方法 Mosaic （馬賽克） 和?自對抗訓(xùn)練（Self Adversarial Training， SAT）

• 使用遺傳算法選擇最優(yōu)超參數(shù)

• 修改版本的 SAM，修改版本的PAN和跨批量歸一化（Cross mini-Batch Normalization）
  

這個Mosaic，就是把四張圖片拼接為一張圖片，這等于變相的增大了一次訓(xùn)練的圖片數(shù)量，可以讓最小批數(shù)量進(jìn)一步降低，讓在單GPU上訓(xùn)練更為輕松。

這里的CmBN，是對CBN的改進(jìn)，收集一個batch內(nèi)多個mini-batch內(nèi)的統(tǒng)計數(shù)據(jù)。BN, CBN, CmBN的區(qū)別如下圖所示：

此外，作者還將 SAM的空間注意力改為逐點注意力，并將 PAN的快捷連接的相加改為拼接（concatenation）。

一個完整的YOLOv4 由以下三部分組成：CSPDarknet53 （backbone） +?SPP+PAN （Neck，也就是特征增強模塊）+ YoloV3組成。

另外，YOLOv4使用了“贈送”技巧有CutMix、Mosaic 數(shù)據(jù)增強， DropBlock正則化，標(biāo)簽平滑，CIoU-loss，CmBN，自對抗訓(xùn)練，每個目標(biāo)分配給多個anchor，（這點和v3有差別，v3版本每個目標(biāo)只有一個正樣本）。

使用的“特價”技巧：Mish activation、跨階段空間連接 （CSP），多輸入權(quán)重殘差連接，SPP-block、SAM-block，PAN，DIoU-NMS。

4

試驗結(jié)果

作者做了大量的對比消融試驗，在分類任務(wù)上，在CSPResNeXt50和CSPDarknet53上，使用不同配置的結(jié)果對比如下：

作者使用的多個技巧，在檢測任務(wù)上的對比結(jié)果如下（這里需要讀論文對照一下每個符號的含義）：

最后，是在Maxwell、Pascal、Volta三個不同系列的GPU，在COCO 數(shù)據(jù)集上的結(jié)果對比：

總的來說，YOLOv4是在速度和精度上trade off做的非常好的一項工作。

5

總結(jié)

筆者本來想詳盡的介紹一下本論文，但發(fā)現(xiàn)這篇paper信息量太大，難以在一篇博文描述完。可以看出作者是實打?qū)嵉淖隽撕芏嘟鼛啄甑母鞣N技巧的對比實驗，也做了不少方法的創(chuàng)新改進(jìn)。可以說這是一篇花了很多功夫和精力的論文。推薦大家讀一下論文，文章寫的真的非常通俗易懂，總結(jié)了大量的技巧，甚至可以做為目標(biāo)檢測面試寶典。

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習(xí)在線手冊深度學(xué)習(xí)在線手冊AI基礎(chǔ)下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復(fù)“加群”獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/yFQV7am喜歡文章，點個在看

總結(jié)

以上是生活随笔為你收集整理的YOLOv4重磅发布，五大改进，二十多项技巧实验，堪称最强目标检测万花筒的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。