Yolov3&Yolov4核心基礎(chǔ)知識

文章目錄

1. 論文匯總 2. Yolov3核心基礎(chǔ)內(nèi)容 2.1 網(wǎng)絡(luò)結(jié)構(gòu)可視化 2.2 網(wǎng)絡(luò)結(jié)構(gòu)圖 2.3 核心基礎(chǔ)內(nèi)容 3. Yolov3相關(guān)代碼 3.1 python代碼 3.2 C++代碼內(nèi)容 3.3 python版本的Tensorrt代碼 3.4 C++版本的Tensorrt代碼 4. Yolov4核心基礎(chǔ)內(nèi)容 4.1 網(wǎng)絡(luò)結(jié)構(gòu)可視化 4.2 網(wǎng)絡(luò)結(jié)構(gòu)圖 4.3 核心基礎(chǔ)內(nèi)容 4.3.1 輸入端創(chuàng)新 4.3.2 Backbone創(chuàng)新 4.3.3 Neck創(chuàng)新 4.4.4 Prediction創(chuàng)新 5. Yolov4相關(guān)代碼 5.1 python代碼 5.2 C++代碼

1.論文匯總

Yolov3論文名：《Yolov3: An Incremental Improvement》

Yolov3論文地址：https://arxiv.org/pdf/1804.02767.pdf

Yolov4論文名：《Yolov4: Optimal Speed and Accuracy of Object Detection》

Yolov4論文地址：https://arxiv.org/pdf/2004.10934.pdf

2.YoloV3核心基礎(chǔ)內(nèi)容

2.1 網(wǎng)絡(luò)結(jié)構(gòu)可視化

Yolov3是目標(biāo)檢測Yolo系列非常非常經(jīng)典的算法，不過很多同學(xué)拿到Y(jié)olov3或者Yolov4的cfg文件時，并不知道如何直觀的可視化查看網(wǎng)絡(luò)結(jié)構(gòu)。如果純粹看cfg里面的內(nèi)容，肯定會一臉懵逼。

其實(shí)可以很方便的用netron查看Yolov3的網(wǎng)絡(luò)結(jié)構(gòu)圖，一目了然。

2.2 網(wǎng)絡(luò)結(jié)構(gòu)圖

上圖三個藍(lán)色方框內(nèi)表示Yolov3的三個基本組件：

CBL：Yolov3網(wǎng)絡(luò)結(jié)構(gòu)中的最小組件，由Conv+Bn+Leaky_relu激活函數(shù)三者組成。

Res unit：借鑒Resnet網(wǎng)絡(luò)中的殘差結(jié)構(gòu)，讓網(wǎng)絡(luò)可以構(gòu)建的更深。

ResX：由一個CBL和X個殘差組件構(gòu)成，是Yolov3中的大組件。每個Res模塊前面的CBL都起到下采樣的作用，因此經(jīng)過5次Res模塊后，得到的特征圖是608->304->152->76->38->19大小。

其他基礎(chǔ)操作：

Concat：張量拼接，會擴(kuò)充兩個張量的維度，例如26*26*256和26*26*512兩個張量拼接，結(jié)果是26*26*768。Concat和cfg文件中的route功能一樣。

add：張量相加，張量直接相加，不會擴(kuò)充維度，例如104*104*128和104*104*128相加，結(jié)果還是104*104*128。add和cfg文件中的shortcut功能一樣。

Backbone中卷積層的數(shù)量：

每個ResX中包含1+2*X個卷積層，因此整個主干網(wǎng)絡(luò)Backbone中一共包含1+（1+2*1）+（1+2*2）+（1+2*8）+（1+2*8）+（1+2*4）=52，再加上一個FC全連接層，即可以組成一個Darknet53分類網(wǎng)絡(luò)。不過在目標(biāo)檢測Yolov3中，去掉FC層，不過為了方便稱呼，仍然把Yolov3的主干網(wǎng)絡(luò)叫做Darknet53結(jié)構(gòu)。

2.3 核心基礎(chǔ)內(nèi)容

Yolov3是2018年發(fā)明提出的，這成為了目標(biāo)檢測one-stage中非常經(jīng)典的算法，包含Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)、anchor錨框、FPN等非常優(yōu)秀的結(jié)構(gòu)。

本文主要目的在于描述Yolov4和Yolov3算法的不同及創(chuàng)新之處，對Yolov3的基礎(chǔ)不過多描述。

不過大白也正在準(zhǔn)備Yolov3算法非常淺顯易懂的基礎(chǔ)視頻課程，讓小白也能簡單清楚的了解Yolov3的整個過程及各個算法細(xì)節(jié)，制作好后會更新到此處，便于大家查看。

在準(zhǔn)備課程過程中，大白搜集查看了網(wǎng)絡(luò)上幾乎所有的Yolov3資料，在此整理幾個非常不錯的文章及視頻，大家也可以點(diǎn)擊查看，學(xué)習(xí)相關(guān)知識。

（1）視頻：吳恩達(dá)目標(biāo)檢測Yolo入門講解

https://www.bilibili.com/video/BV1N4411J7Y6?from=search&seid=18074481568368507115

（2）文章：Yolo系列之Yolov3【深度解析】

https://blog.csdn.net/leviopku/article/details/82660381

（3）文章：一文看懂Yolov3

https://blog.csdn.net/litt1e/article/details/88907542

相信大家看完，對于Yolov3的基礎(chǔ)知識點(diǎn)會有一定的了解。

3.YoloV3相關(guān)代碼

3.1 python代碼

代碼地址：https://github.com/ultralytics/Yolov3

3.2 C++代碼

這里推薦Yolov4作者的darknetAB代碼，代碼和原始作者代碼相比，進(jìn)行了很多的優(yōu)化，如需要運(yùn)行Yolov3網(wǎng)絡(luò)，加載cfg時，使用Yolov3.cfg即可

代碼地址：https://github.com/AlexeyAB/darknet

3.3 python版本的Tensorrt代碼

除了算法研究外，實(shí)際項(xiàng)目中還需要將算法落地部署到工程上使用，比如GPU服務(wù)器使用時還需要對模型進(jìn)行tensorrt加速。

（1）Tensort中的加速案例

強(qiáng)烈推薦tensort軟件中，自帶的Yolov3加速案例，路徑位于tensorrt解壓文件夾的TensortX/samples/python/Yolov3_onnx中

針對案例中的代碼，如果有不明白的，也可參照下方文章上的詳細(xì)說明：

代碼地址：https://www.cnblogs.com/shouhuxianjian/p/10550262.html

（2）Github上的tensorrt加速

除了tensorrt軟件中的代碼， github上也有其他作者的開源代碼

代碼地址：https://github.com/lewes6369/TensorRT-Yolov3

3.4 C++版本的Tensorrt代碼

項(xiàng)目的工程部署上，如果使用C++版本進(jìn)行Tensorrt加速，一方面可以參照Alexey的github代碼，另一方面也可以參照下面其他作者的開源代碼

代碼地址：https://github.com/wang-xinyu/tensorrtx/tree/master/Yolov3

4.YoloV4核心基礎(chǔ)內(nèi)容

4.1 網(wǎng)絡(luò)結(jié)構(gòu)可視化

Yolov4的網(wǎng)絡(luò)結(jié)構(gòu)也可以使用netron工具查看。

4.2 網(wǎng)絡(luò)結(jié)構(gòu)圖

Yolov4的結(jié)構(gòu)圖和Yolov3相比，因?yàn)槎嗔薈SP結(jié)構(gòu)，PAN結(jié)構(gòu)，如果單純看可視化流程圖，會覺得很繞，不過在繪制出上面的圖形后，會覺得豁然開朗，其實(shí)整體架構(gòu)和Yolov3是相同的，不過使用各種新的算法思想對各個子結(jié)構(gòu)都進(jìn)行了改進(jìn)。

先整理下Yolov4的五個基本組件：

CBM：Yolov4網(wǎng)絡(luò)結(jié)構(gòu)中的最小組件，由Conv+Bn+Mish激活函數(shù)三者組成。

CBL：由Conv+Bn+Leaky_relu激活函數(shù)三者組成。

Res unit：借鑒Resnet網(wǎng)絡(luò)中的殘差結(jié)構(gòu)，讓網(wǎng)絡(luò)可以構(gòu)建的更深。

CSPX：借鑒CSPNet網(wǎng)絡(luò)結(jié)構(gòu)，由三個卷積層和X個Res unint模塊Concate組成。

SPP：采用1×1，5×5，9×9，13×13的最大池化的方式，進(jìn)行多尺度融合。

其他基礎(chǔ)操作：

Concat：張量拼接，維度會擴(kuò)充，和Yolov3中的解釋一樣，對應(yīng)于cfg文件中的route操作。

add：張量相加，不會擴(kuò)充維度，對應(yīng)于cfg文件中的shortcut操作。

Backbone中卷積層的數(shù)量：

和Yolov3一樣，再來數(shù)一下Backbone里面的卷積層數(shù)量。

每個CSPX中包含3+2*X個卷積層，因此整個主干網(wǎng)絡(luò)Backbone中一共包含2+（3+2*1）+2+（3+2*2）+2+（3+2*8）+2+（3+2*8）+2+（3+2*4）+1=72。

這里大白有些疑惑，按照Yolov3設(shè)計的傳統(tǒng)，這么多卷積層，主干網(wǎng)絡(luò)不應(yīng)該叫CSPDaeknet73嗎？？？？

4.3 核心基礎(chǔ)內(nèi)容

Yolov4本質(zhì)上和Yolov3相差不大，可能有些人會覺得失望。

但我覺得算法創(chuàng)新分為三種方式：

第一種：面目一新的創(chuàng)新，比如Yolov1、Faster-RCNN、Centernet等，開創(chuàng)出新的算法領(lǐng)域，不過這種也是最難的

第二種：守正出奇的創(chuàng)新，比如將圖像金字塔改進(jìn)為特征金字塔

第三種：各種先進(jìn)算法集成的創(chuàng)新，比如不同領(lǐng)域發(fā)表的最新論文的tricks，集成到自己的算法中，卻發(fā)現(xiàn)有出乎意料的改進(jìn)

Yolov4既有第二種也有第三種創(chuàng)新，組合嘗試了大量深度學(xué)習(xí)領(lǐng)域最新論文的20多項(xiàng)研究成果，而且不得不佩服的是作者Alexey在github代碼庫維護(hù)的頻繁程度。

目前Yolov4代碼的star數(shù)量已經(jīng)1萬多，據(jù)我所了解，目前超過這個數(shù)量的，目標(biāo)檢測領(lǐng)域只有Facebook的Detectron(v1-v2)、和Yolo(v1-v3)官方代碼庫（已停止更新）。

所以Yolov4中的各種創(chuàng)新方式，大白覺得還是很值得仔細(xì)研究的。

為了便于分析，將Yolov4的整體結(jié)構(gòu)拆分成四大板塊：

大白主要從以上4個部分對YoloV4的創(chuàng)新之處進(jìn)行講解，讓大家一目了然。

輸入端：這里指的創(chuàng)新主要是訓(xùn)練時對輸入端的改進(jìn)，主要包括Mosaic數(shù)據(jù)增強(qiáng)、cmBN、SAT自對抗訓(xùn)練

BackBone主干網(wǎng)絡(luò)：將各種新的方式結(jié)合起來，包括：CSPDarknet53、Mish激活函數(shù)、Dropblock

Neck：目標(biāo)檢測網(wǎng)絡(luò)在BackBone和最后的輸出層之間往往會插入一些層，比如Yolov4中的SPP模塊、FPN+PAN結(jié)構(gòu)

Prediction：輸出層的錨框機(jī)制和Yolov3相同，主要改進(jìn)的是訓(xùn)練時的損失函數(shù)CIOU_Loss，以及預(yù)測框篩選的nms變?yōu)镈IOU_nms

總體來說，Yolov4對Yolov3的各個部分都進(jìn)行了改進(jìn)優(yōu)化，下面丟上作者的算法對比圖。

僅對比Yolov3和Yolov4，在COCO數(shù)據(jù)集上，同樣的FPS等于83左右時，Yolov4的AP是43，而Yolov3是33，直接上漲了10個百分點(diǎn)。

不得不服，當(dāng)然可能針對具體不同的數(shù)據(jù)集效果也不一樣，但總體來說，改進(jìn)效果是很優(yōu)秀的，下面大白對Yolov4的各個創(chuàng)新點(diǎn)繼續(xù)進(jìn)行深挖。

4.3.1 輸入端創(chuàng)新

考慮到很多同學(xué)GPU顯卡數(shù)量并不是很多，Yolov4對訓(xùn)練時的輸入端進(jìn)行改進(jìn)，使得訓(xùn)練在單張GPU上也能有不錯的成績。比如數(shù)據(jù)增強(qiáng)Mosaic、cmBN、SAT自對抗訓(xùn)練。

但感覺cmBN和SAT影響并不是很大，所以這里主要講解Mosaic數(shù)據(jù)增強(qiáng)。

（1）Mosaic數(shù)據(jù)增強(qiáng)

Yolov4中使用的Mosaic是參考2019年底提出的CutMix數(shù)據(jù)增強(qiáng)的方式，但CutMix只使用了兩張圖片進(jìn)行拼接，而Mosaic數(shù)據(jù)增強(qiáng)則采用了4張圖片，隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)排布的方式進(jìn)行拼接。

這里首先要了解為什么要進(jìn)行Mosaic數(shù)據(jù)增強(qiáng)呢？

在平時項(xiàng)目訓(xùn)練時，小目標(biāo)的AP一般比中目標(biāo)和大目標(biāo)低很多。而Coco數(shù)據(jù)集中也包含大量的小目標(biāo)，但比較麻煩的是小目標(biāo)的分布并不均勻。

首先看下小、中、大目標(biāo)的定義： 2019年發(fā)布的論文《Augmentation for small object detection》對此進(jìn)行了區(qū)分：

可以看到小目標(biāo)的定義是目標(biāo)框的長寬0×0~32×32之間的物體。

但在整體的數(shù)據(jù)集中，小、中、大目標(biāo)的占比并不均衡。 如上表所示，Coco數(shù)據(jù)集中小目標(biāo)占比達(dá)到41.4%，數(shù)量比中目標(biāo)和大目標(biāo)都要多。

但在所有的訓(xùn)練集圖片中，只有52.3%的圖片有小目標(biāo)，而中目標(biāo)和大目標(biāo)的分布相對來說更加均勻一些。

針對這種狀況，Yolov4的作者采用了Mosaic數(shù)據(jù)增強(qiáng)的方式。

主要有幾個優(yōu)點(diǎn)：

豐富數(shù)據(jù)集：隨機(jī)使用4張圖片，隨機(jī)縮放，再隨機(jī)分布進(jìn)行拼接，大大豐富了檢測數(shù)據(jù)集，特別是隨機(jī)縮放增加了很多小目標(biāo)，讓網(wǎng)絡(luò)的魯棒性更好。

減少GPU：可能會有人說，隨機(jī)縮放，普通的數(shù)據(jù)增強(qiáng)也可以做，但作者考慮到很多人可能只有一個GPU，因此Mosaic增強(qiáng)訓(xùn)練時，可以直接計算4張圖片的數(shù)據(jù)，使得Mini-batch大小并不需要很大，一個GPU就可以達(dá)到比較好的效果。

此外，發(fā)現(xiàn)另一研究者的訓(xùn)練方式也值得借鑒，采用的數(shù)據(jù)增強(qiáng)和Mosaic比較類似，也是使用4張圖片（不是隨機(jī)分布），但訓(xùn)練計算loss時，采用“缺啥補(bǔ)啥”的思路：

如果上一個iteration中，小物體產(chǎn)生的loss不足（比如小于某一個閾值），則下一個iteration就用拼接圖；否則就用正常圖片訓(xùn)練，也很有意思。

參考鏈接：https://www.zhihu.com/question/390191723?rf=390194081

4.3.2 BackBone創(chuàng)新

（1）CSPDarknet53

CSPDarknet53是在Yolov3主干網(wǎng)絡(luò)Darknet53的基礎(chǔ)上，借鑒2019年CSPNet的經(jīng)驗(yàn)，產(chǎn)生的Backbone結(jié)構(gòu)，其中包含了5個CSP模塊。

這里因?yàn)镃SP模塊比較長，不放到本處，大家也可以點(diǎn)擊Yolov4的netron網(wǎng)絡(luò)結(jié)構(gòu)圖，對比查看，一目了然。

每個CSP模塊前面的卷積核的大小都是3*3，stride=2，因此可以起到下采樣的作用。

因?yàn)锽ackbone有5個CSP模塊，輸入圖像是608*608，所以特征圖變化的規(guī)律是：608->304->152->76->38->19

經(jīng)過5次CSP模塊后得到19*19大小的特征圖。

而且作者只在Backbone中采用了Mish激活函數(shù)，網(wǎng)絡(luò)后面仍然采用Leaky_relu激活函數(shù)。

我們再看看下作者為啥要參考2019年的CSPNet，采用CSP模塊？

CSPNet論文地址：https://arxiv.org/pdf/1911.11929.pdf

CSPNet全稱是Cross Stage Paritial Network，主要從網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的角度解決推理中從計算量很大的問題。

CSPNet的作者認(rèn)為推理計算過高的問題是由于網(wǎng)絡(luò)優(yōu)化中的梯度信息重復(fù)導(dǎo)致的。

因此采用CSP模塊先將基礎(chǔ)層的特征映射劃分為兩部分，然后通過跨階段層次結(jié)構(gòu)將它們合并，在減少了計算量的同時可以保證準(zhǔn)確率。

因此Yolov4在主干網(wǎng)絡(luò)Backbone采用CSPDarknet53網(wǎng)絡(luò)結(jié)構(gòu)，主要有三個方面的優(yōu)點(diǎn)：

優(yōu)點(diǎn)一：增強(qiáng)CNN的學(xué)習(xí)能力，使得在輕量化的同時保持準(zhǔn)確性。

優(yōu)點(diǎn)二：降低計算瓶頸

優(yōu)點(diǎn)三：降低內(nèi)存成本

（2）Mish激活函數(shù)

Mish激活函數(shù)是2019年下半年提出的激活函數(shù)

論文地址：https://arxiv.org/abs/1908.08681

和Leaky_relu激活函數(shù)的圖形對比如下：

Yolov4的Backbone中都使用了Mish激活函數(shù)，而后面的網(wǎng)絡(luò)則還是使用leaky_relu函數(shù)。

Yolov4作者實(shí)驗(yàn)測試時，使用CSPDarknet53網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上做圖像分類任務(wù)，發(fā)現(xiàn)使用了Mish激活函數(shù)的TOP-1和TOP-5的精度比沒有使用時都略高一些。

因此在設(shè)計Yolov4目標(biāo)檢測任務(wù)時，主干網(wǎng)絡(luò)Backbone還是使用Mish激活函數(shù)。

（3）Dropblock

Yolov4中使用的Dropblock，其實(shí)和常見網(wǎng)絡(luò)中的Dropout功能類似，也是緩解過擬合的一種正則化方式。

Dropblock在2018年提出，論文地址：https://arxiv.org/pdf/1810.12890.pdf

傳統(tǒng)的Dropout很簡單，一句話就可以說的清：隨機(jī)刪除減少神經(jīng)元的數(shù)量，使網(wǎng)絡(luò)變得更簡單。

而Dropblock和Dropout相似，比如下圖：

中間Dropout的方式會隨機(jī)的刪減丟棄一些信息，但Dropblock的研究者認(rèn)為，卷積層對于這種隨機(jī)丟棄并不敏感，因?yàn)榫矸e層通常是三層連用：卷積+激活+池化層，池化層本身就是對相鄰單元起作用。而且即使隨機(jī)丟棄，卷積層仍然可以從相鄰的激活單元學(xué)習(xí)到相同的信息。

因此，在全連接層上效果很好的Dropout在卷積層上效果并不好。

所以右圖Dropblock的研究者則干脆整個局部區(qū)域進(jìn)行刪減丟棄。

這種方式其實(shí)是借鑒2017年的cutout數(shù)據(jù)增強(qiáng)的方式，cutout是將輸入圖像的部分區(qū)域清零，而Dropblock則是將Cutout應(yīng)用到每一個特征圖。而且并不是用固定的歸零比率，而是在訓(xùn)練時以一個小的比率開始，隨著訓(xùn)練過程線性的增加這個比率。

Dropblock的研究者與Cutout進(jìn)行對比驗(yàn)證時，發(fā)現(xiàn)有幾個特點(diǎn)：

優(yōu)點(diǎn)一：Dropblock的效果優(yōu)于Cutout

優(yōu)點(diǎn)二：Cutout只能作用于輸入層，而Dropblock則是將Cutout應(yīng)用到網(wǎng)絡(luò)中的每一個特征圖上

優(yōu)點(diǎn)三：Dropblock可以定制各種組合，在訓(xùn)練的不同階段可以修改刪減的概率，從空間層面和時間層面，和Cutout相比都有更精細(xì)的改進(jìn)。

Yolov4中直接采用了更優(yōu)的Dropblock，對網(wǎng)絡(luò)的正則化過程進(jìn)行了全面的升級改進(jìn)。

4.3.3 Neck創(chuàng)新

在目標(biāo)檢測領(lǐng)域，為了更好的提取融合特征，通常在Backbone和輸出層，會插入一些層，這個部分稱為Neck。相當(dāng)于目標(biāo)檢測網(wǎng)絡(luò)的頸部，也是非常關(guān)鍵的。

Yolov4的Neck結(jié)構(gòu)主要采用了SPP模塊、FPN+PAN的方式。

（1）SPP模塊

SPP模塊，其實(shí)在Yolov3中已經(jīng)存在了，在Yolov4的C++代碼文件夾中有一個Yolov3_spp版本，但有的同學(xué)估計從來沒有使用過，在Yolov4中，SPP模塊仍然是在Backbone主干網(wǎng)絡(luò)之后：

作者在SPP模塊中，使用k={1*1,5*5,9*9,13*13}的最大池化的方式，再將不同尺度的特征圖進(jìn)行Concat操作。

在2019提出的《DC-SPP-Yolo》文章：https://arxiv.org/ftp/arxiv/papers/1903/1903.08589.pdf

也對Yolo目標(biāo)檢測的SPP模塊進(jìn)行了對比測試。

和Yolov4作者的研究相同，采用SPP模塊的方式，比單純的使用k*k最大池化的方式，更有效的增加主干特征的接收范圍，顯著的分離了最重要的上下文特征。

Yolov4的作者在使用608*608大小的圖像進(jìn)行測試時發(fā)現(xiàn)，在COCO目標(biāo)檢測任務(wù)中，以0.5%的額外計算代價將AP50增加了2.7%，因此Yolov4中也采用了SPP模塊。

（2）FPN+PAN

PAN結(jié)構(gòu)比較有意思，看了網(wǎng)上Yolov4關(guān)于這個部分的講解，大多都是講的比較籠統(tǒng)的，而PAN是借鑒圖像分割領(lǐng)域PANet的創(chuàng)新點(diǎn)，有些同學(xué)可能不是很清楚。

下面大白將這個部分拆解開來，看下Yolov4中是如何設(shè)計的。

Yolov3結(jié)構(gòu)：

我們先來看下Yolov3中Neck的FPN結(jié)構(gòu)

可以看到經(jīng)過幾次下采樣，三個紫色箭頭指向的地方，輸出分別是76*76、38*38、19*19。

以及最后的Prediction中用于預(yù)測的三個特征圖①19*19*255、②38*38*255、③76*76*255。[注：255表示80類別(1+4+80)×3=255]

我們將Neck部分用立體圖畫出來，更直觀的看下兩部分之間是如何通過FPN結(jié)構(gòu)融合的。

如圖所示，F(xiàn)PN是自頂向下的，將高層的特征信息通過上采樣的方式進(jìn)行傳遞融合，得到進(jìn)行預(yù)測的特征圖。

Yolov4結(jié)構(gòu)：

而Yolov4中Neck這部分除了使用FPN外，還在此基礎(chǔ)上使用了PAN結(jié)構(gòu)：

前面CSPDarknet53中講到，每個CSP模塊前面的卷積核都是3*3大小，相當(dāng)于下采樣操作。

因此可以看到三個紫色箭頭處的特征圖是76*76、38*38、19*19。

以及最后Prediction中用于預(yù)測的三個特征圖：①76*76*255，②38*38*255，③19*19*255。

我們也看下Neck部分的立體圖像，看下兩部分是如何通過FPN+PAN結(jié)構(gòu)進(jìn)行融合的。

和Yolov3的FPN層不同，Yolov4在FPN層的后面還添加了一個自底向上的特征金字塔。

其中包含兩個PAN結(jié)構(gòu)。

這樣結(jié)合操作，F(xiàn)PN層自頂向下傳達(dá)強(qiáng)語義特征，而特征金字塔則自底向上傳達(dá)強(qiáng)定位特征，兩兩聯(lián)手，從不同的主干層對不同的檢測層進(jìn)行參數(shù)聚合,這樣的操作確實(shí)很皮。

FPN+PAN借鑒的是18年CVPR的PANet，當(dāng)時主要應(yīng)用于圖像分割領(lǐng)域，但Alexey將其拆分應(yīng)用到Y(jié)olov4中，進(jìn)一步提高特征提取的能力。

不過這里需要注意幾點(diǎn)：

注意一：

Yolov3的FPN層輸出的三個大小不一的特征圖①②③直接進(jìn)行預(yù)測

但Yolov4的FPN層，只使用最后的一個76*76特征圖①，而經(jīng)過兩次PAN結(jié)構(gòu)，輸出預(yù)測的特征圖②和③。

這里的不同也體現(xiàn)在cfg文件中，這一點(diǎn)有很多同學(xué)之前不太明白，

比如Yolov3.cfg最后的三個Yolo層，

第一個Yolo層是最小的特征圖19*19，mask=6,7,8，對應(yīng)最大的anchor box。

第二個Yolo層是中等的特征圖38*38，mask=3,4,5，對應(yīng)中等的anchor box。

第三個Yolo層是最大的特征圖76*76，mask=0,1,2，對應(yīng)最小的anchor box。

而Yolov4.cfg則恰恰相反

第一個Yolo層是最大的特征圖76*76，mask=0,1,2，對應(yīng)最小的anchor box。

第二個Yolo層是中等的特征圖38*38，mask=3,4,5，對應(yīng)中等的anchor box。

第三個Yolo層是最小的特征圖19*19，mask=6,7,8，對應(yīng)最大的anchor box。

注意點(diǎn)二：

原本的PANet網(wǎng)絡(luò)的PAN結(jié)構(gòu)中，兩個特征圖結(jié)合是采用shortcut操作，而Yolov4中則采用concat（route）操作，特征圖融合后的尺寸發(fā)生了變化。

這里也可以對應(yīng)Yolov4的netron網(wǎng)絡(luò)圖查看，很有意思。

4.3.4 Prediction創(chuàng)新

（1）CIOU_loss

目標(biāo)檢測任務(wù)的損失函數(shù)一般由Classificition Loss（分類損失函數(shù)）和Bounding Box Regeression Loss（回歸損失函數(shù)）兩部分構(gòu)成。

Bounding Box Regeression的Loss近些年的發(fā)展過程是：Smooth L1 Loss-> IoU Loss（2016）-> GIoU Loss（2019）-> DIoU Loss（2020）->CIoU Loss（2020）

我們從最常用的IOU_Loss開始，進(jìn)行對比拆解分析，看下Yolov4為啥要選擇CIOU_Loss。

a.IOU_Loss

可以看到IOU的loss其實(shí)很簡單，主要是交集/并集，但其實(shí)也存在兩個問題。

問題1：即狀態(tài)1的情況，當(dāng)預(yù)測框和目標(biāo)框不相交時，IOU=0，無法反應(yīng)兩個框距離的遠(yuǎn)近，此時損失函數(shù)不可導(dǎo)，IOU_Loss無法優(yōu)化兩個框不相交的情況。

問題2：即狀態(tài)2和狀態(tài)3的情況，當(dāng)兩個預(yù)測框大小相同，兩個IOU也相同，IOU_Loss無法區(qū)分兩者相交情況的不同。

因此2019年出現(xiàn)了GIOU_Loss來進(jìn)行改進(jìn)。

b.GIOU_Loss

可以看到右圖GIOU_Loss中，增加了相交尺度的衡量方式，緩解了單純IOU_Loss時的尷尬。

但為什么僅僅說緩解呢？

因?yàn)檫€存在一種不足：

問題：狀態(tài)1、2、3都是預(yù)測框在目標(biāo)框內(nèi)部且預(yù)測框大小一致的情況，這時預(yù)測框和目標(biāo)框的差集都是相同的，因此這三種狀態(tài)的GIOU值也都是相同的，這時GIOU退化成了IOU，無法區(qū)分相對位置關(guān)系。 基于這個問題，2020年的AAAI又提出了DIOU_Loss。

c.DIOU_Loss

好的目標(biāo)框回歸函數(shù)應(yīng)該考慮三個重要幾何因素：重疊面積、中心點(diǎn)距離，長寬比。

針對IOU和GIOU存在的問題，作者從兩個方面進(jìn)行考慮

一：如何最小化預(yù)測框和目標(biāo)框之間的歸一化距離？

二：如何在預(yù)測框和目標(biāo)框重疊時，回歸的更準(zhǔn)確？

針對第一個問題，提出了DIOU_Loss（Distance_IOU_Loss）

DIOU_Loss考慮了重疊面積和中心點(diǎn)距離，當(dāng)目標(biāo)框包裹預(yù)測框的時候，直接度量2個框的距離，因此DIOU_Loss收斂的更快。

但就像前面好的目標(biāo)框回歸函數(shù)所說的，沒有考慮到長寬比。

比如上面三種情況，目標(biāo)框包裹預(yù)測框，本來DIOU_Loss可以起作用。

但預(yù)測框的中心點(diǎn)的位置都是一樣的，因此按照DIOU_Loss的計算公式，三者的值都是相同的。

針對這個問題，又提出了CIOU_Loss，不對不說，科學(xué)總是在解決問題中，不斷進(jìn)步?。?/p>

d.CIOU_Loss

CIOU_Loss和DIOU_Loss前面的公式都是一樣的，不過在此基礎(chǔ)上還增加了一個影響因子，將預(yù)測框和目標(biāo)框的長寬比都考慮了進(jìn)去。

其中v是衡量長寬比一致性的參數(shù)，我們也可以定義為：

這樣CIOU_Loss就將目標(biāo)框回歸函數(shù)應(yīng)該考慮三個重要幾何因素：重疊面積、中心點(diǎn)距離，長寬比全都考慮進(jìn)去了。

再來綜合的看下各個Loss函數(shù)的不同點(diǎn)：

IOU_Loss：主要考慮檢測框和目標(biāo)框重疊面積。

GIOU_Loss：在IOU的基礎(chǔ)上，解決邊界框不重合時的問題。

DIOU_Loss：在IOU和GIOU的基礎(chǔ)上，考慮邊界框中心點(diǎn)距離的信息。

CIOU_Loss：在DIOU的基礎(chǔ)上，考慮邊界框?qū)捀弑鹊某叨刃畔ⅰ?/p>

Yolov4中采用了CIOU_Loss的回歸方式，使得預(yù)測框回歸的速度和精度更高一些。

（2）DIOU_nms

Nms主要用于預(yù)測框的篩選，常用的目標(biāo)檢測算法中，一般采用普通的nms的方式，Yolov4則借鑒上面D/CIOU loss的論文：arxiv.org/pdf/1911.0828

將其中計算IOU的部分替換成DIOU的方式：

再來看下實(shí)際的案例

在上圖重疊的摩托車檢測中，中間的摩托車因?yàn)榭紤]邊界框中心點(diǎn)的位置信息，也可以回歸出來。

因此在重疊目標(biāo)的檢測中，DIOU_nms的效果優(yōu)于傳統(tǒng)的nms。

注意：有讀者會有疑問，這里為什么不用CIOU_nms，而用DIOU_nms?

答：因?yàn)榍懊嬷v到的CIOU_loss，是在DIOU_loss的基礎(chǔ)上，添加的影響因子，包含groundtruth標(biāo)注框的信息，在訓(xùn)練時用于回歸。

但在測試過程中，并沒有g(shù)roundtruth的信息，不用考慮影響因子，因此直接用DIOU_nms即可。

總體來說，YOLOv4的論文稱的上良心之作，將近幾年關(guān)于深度學(xué)習(xí)領(lǐng)域最新研究的tricks移植到Y(jié)olov4中做驗(yàn)證測試，將Yolov3的精度提高了不少。

雖然沒有全新的創(chuàng)新，但很多改進(jìn)之處都值得借鑒，借用Yolov4作者的總結(jié)。

Yolov4 主要帶來了 3 點(diǎn)新貢獻(xiàn)：

（1）提出了一種高效而強(qiáng)大的目標(biāo)檢測模型，使用 1080Ti 或 2080Ti 就能訓(xùn)練出超快、準(zhǔn)確的目標(biāo)檢測器。

（2）在檢測器訓(xùn)練過程中，驗(yàn)證了最先進(jìn)的一些研究成果對目標(biāo)檢測器的影響。

（3）改進(jìn)了 SOTA 方法，使其更有效、更適合單 GPU 訓(xùn)練。

5.YoloV4相關(guān)代碼

5.1 python代碼

代碼地址：https://github.com/Tianxiaomo/pytorch-Yolov4

作者的訓(xùn)練和測試推理代碼都已經(jīng)完成

5.2 C++代碼

Yolov4作者Alexey的代碼，俄羅斯的大神，應(yīng)該是個獨(dú)立研究員，更新算法的頻繁程度令人佩服。

在Yolov3作者Joseph Redmon宣布停止更新Yolo算法之后，Alexey憑借對于Yolov3算法的不斷探索研究，贏得了Yolov3作者的認(rèn)可，發(fā)布了Yolov4。

代碼地址：https://github.com/AlexeyAB/darknet

審核編輯 ：李倩