Yolov3&Yolov4核心基礎知識

文章目錄

1. 論文匯總 2. Yolov3核心基礎內(nèi)容 2.1 網(wǎng)絡結構可視化 2.2 網(wǎng)絡結構圖 2.3 核心基礎內(nèi)容 3. Yolov3相關代碼 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核心基礎內(nèi)容 4.1 網(wǎng)絡結構可視化 4.2 網(wǎng)絡結構圖 4.3 核心基礎內(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核心基礎內(nèi)容

2.1 網(wǎng)絡結構可視化

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

其實可以很方便的用netron查看Yolov3的網(wǎng)絡結構圖，一目了然。

2.2 網(wǎng)絡結構圖

上圖三個藍色方框內(nèi)表示Yolov3的三個基本組件：

CBL：Yolov3網(wǎng)絡結構中的最小組件，由Conv+Bn+Leaky_relu激活函數(shù)三者組成。

Res unit：借鑒Resnet網(wǎng)絡中的殘差結構，讓網(wǎng)絡可以構建的更深。

ResX：由一個CBL和X個殘差組件構成，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。

其他基礎操作：

Concat：張量拼接，會擴充兩個張量的維度，例如26*26*256和26*26*512兩個張量拼接，結果是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，不會擴充維度，例如104*104*128和104*104*128相加，結果還是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。不過在目標檢測Yolov3中，去掉FC層，不過為了方便稱呼，仍然把Yolov3的主干網(wǎng)絡叫做Darknet53結構。

2.3 核心基礎內(nèi)容

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

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的基礎不過多描述。

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

在準備課程過程中，大白搜集查看了網(wǎng)絡上幾乎所有的Yolov3資料，在此整理幾個非常不錯的文章及視頻，大家也可以點擊查看，學習相關知識。

（1）視頻：吳恩達目標檢測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的基礎知識點會有一定的了解。

3.YoloV3相關代碼

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，進行了很多的優(yōu)化，如需要運行Yolov3網(wǎng)絡，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，實際項目中還需要將算法落地部署到工程上使用，比如GPU服務器使用時還需要對模型進行tensorrt加速。

（1）Tensort中的加速案例

強烈推薦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

項目的工程部署上，如果使用C++版本進行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核心基礎內(nèi)容

4.1 網(wǎng)絡結構可視化

Yolov4的網(wǎng)絡結構也可以使用netron工具查看。

4.2 網(wǎng)絡結構圖

Yolov4的結構圖和Yolov3相比，因為多了CSP結構，PAN結構，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，其實整體架構和Yolov3是相同的，不過使用各種新的算法思想對各個子結構都進行了改進。

先整理下Yolov4的五個基本組件：

CBM：Yolov4網(wǎng)絡結構中的最小組件，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)絡中的殘差結構，讓網(wǎng)絡可以構建的更深。

CSPX：借鑒CSPNet網(wǎng)絡結構，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，進行多尺度融合。

其他基礎操作：

Concat：張量拼接，維度會擴充，和Yolov3中的解釋一樣，對應于cfg文件中的route操作。

add：張量相加，不會擴充維度，對應于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設計的傳統(tǒng)，這么多卷積層，主干網(wǎng)絡不應該叫CSPDaeknet73嗎？？？？

4.3 核心基礎內(nèi)容

Yolov4本質上和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為特征金字塔

第三種：各種先進算法集成的創(chuàng)新，比如不同領域發(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

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

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，目標檢測領域只有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研究的。

為了便于分析，將Yolov4的整體結構拆分成四大板塊：

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

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

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

Neck：目標檢測網(wǎng)絡在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結構

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

總體來說，Yolov4對Yolov3的各個部分都進行了改進優(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。

不得不服，當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，改進效果是很優(yōu)秀的，下面大白對Yolov4的各個創(chuàng)新點繼續(xù)進行深挖。

4.3.1 輸入端創(chuàng)新

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

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。

（1）Mosaic數(shù)據(jù)增強

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

這里首先要了解為什么要進行Mosaic數(shù)據(jù)增強呢？

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

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

可以看到小目標的定義是目標框的長寬0×0~32×32之間的物體。

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

但在所有的訓練集圖片中，只有52.3%的圖片有小目標，而中目標和大目標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)增強的方式。

主要有幾個優(yōu)點：

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

減少GPU：可能會有人說，隨機縮放，普通的數(shù)據(jù)增強也可以做，但作者考慮到很多人可能只有一個GPU，因此Mosaic增強訓練時，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就可以達到比較好的效果。

此外，發(fā)現(xiàn)另一研究者的訓練方式也值得借鑒，采用的數(shù)據(jù)增強和Mosaic比較類似，也是使用4張圖片（不是隨機分布），但訓練計算loss時，采用“缺啥補啥”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Darknet53的基礎上，借鑒2019年CSPNet的經(jīng)驗，產(chǎn)生的Backbone結構，其中包含了5個CSP模塊。

這里因為CSP模塊比較長，不放到本處，大家也可以點擊Yolov4的netron網(wǎng)絡結構圖，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。

因為Backbone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)絡結構設計的角度解決推理中從計算量很大的問題。

CSPNet的作者認為推理計算過高的問題是由于網(wǎng)絡優(yōu)化中的梯度信息重復導致的。

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

因此Yolov4在主干網(wǎng)絡Backbone采用CSPDarknet53網(wǎng)絡結構，主要有三個方面的優(yōu)點：

優(yōu)點一：增強CNN的學習能力，使得在輕量化的同時保持準確性。

優(yōu)點二：降低計算瓶頸

優(yōu)點三：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)絡則還是使用leaky_relu函數(shù)。

Yolov4作者實驗測試時，使用CSPDarknet53網(wǎng)絡在ImageNet數(shù)據(jù)集上做圖像分類任務，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。

因此在設計Yolov4目標檢測任務時，主干網(wǎng)絡Backbone還是使用Mish激活函數(shù)。

（3）Dropblock

Yolov4中使用的Dropblock，其實和常見網(wǎng)絡中的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：隨機刪除減少神經(jīng)元的數(shù)量，使網(wǎng)絡變得更簡單。

而Dropblock和Dropout相似，比如下圖：

中間Dropout的方式會隨機的刪減丟棄一些信息，但Dropblock的研究者認為，卷積層對于這種隨機丟棄并不敏感，因為卷積層通常是三層連用：卷積+激活+池化層，池化層本身就是對相鄰單元起作用。而且即使隨機丟棄，卷積層仍然可以從相鄰的激活單元學習到相同的信息。

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)域進行刪減丟棄。

這種方式其實是借鑒2017年的cutout數(shù)據(jù)增強的方式，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，而是在訓練時以一個小的比率開始，隨著訓練過程線性的增加這個比率。

Dropblock的研究者與Cutout進行對比驗證時，發(fā)現(xiàn)有幾個特點：

優(yōu)點一：Dropblock的效果優(yōu)于Cutout

優(yōu)點二：Cutout只能作用于輸入層，而Dropblock則是將Cutout應用到網(wǎng)絡中的每一個特征圖上

優(yōu)點三：Dropblock可以定制各種組合，在訓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相比都有更精細的改進。

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

4.3.3 Neck創(chuàng)新

在目標檢測領域，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。相當于目標檢測網(wǎng)絡的頸部，也是非常關鍵的。

Yolov4的Neck結構主要采用了SPP模塊、FPN+PAN的方式。

（1）SPP模塊

SPP模塊，其實在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目標檢測的SPP模塊進行了對比測試。

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大小的圖像進行測試時發(fā)現(xiàn)，在COCO目標檢測任務中，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結構比較有意思，看了網(wǎng)上Yolov4關于這個部分的講解，大多都是講的比較籠統(tǒng)的，而PAN是借鑒圖像分割領域PANet的創(chuàng)新點，有些同學可能不是很清楚。

下面大白將這個部分拆解開來，看下Yolov4中是如何設計的。

Yolov3結構：

我們先來看下Yolov3中Neck的FPN結構

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結構融合的。

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行傳遞融合，得到進行預測的特征圖。

Yolov4結構：

而Yolov4中Neck這部分除了使用FPN外，還在此基礎上使用了PAN結構：

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結構進行融合的。

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結構。

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

FPN+PAN借鑒的是18年CVPR的PANet，當時主要應用于圖像分割領域，但Alexey將其拆分應用到Yolov4中，進一步提高特征提取的能力。

不過這里需要注意幾點：

注意一：

Yolov3的FPN層輸出的三個大小不一的特征圖①②③直接進行預測

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結構，輸出預測的特征圖②和③。

這里的不同也體現(xiàn)在cfg文件中，這一點有很多同學之前不太明白，

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，對應最大的anchor box。

注意點二：

原本的PANet網(wǎng)絡的PAN結構中，兩個特征圖結合是采用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Yolov4的netron網(wǎng)絡圖查看，很有意思。

4.3.4 Prediction創(chuàng)新

（1）CIOU_loss

目標檢測任務的損失函數(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其實很簡單，主要是交集/并集，但其實也存在兩個問題。

問題1：即狀態(tài)1的情況，當預測框和目標框不相交時，IOU=0，無法反應兩個框距離的遠近，此時損失函數(shù)不可導，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，當兩個預測框大小相同，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來進行改進。

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？

因為還存在一種不足：

問題：狀態(tài)1、2、3都是預測框在目標框內(nèi)部且預測框大小一致的情況，這時預測框和目標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)分相對位置關系。 基于這個問題，2020年的AAAI又提出了DIOU_Loss。

c.DIOU_Loss

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

針對IOU和GIOU存在的問題，作者從兩個方面進行考慮

一：如何最小化預測框和目標框之間的歸一化距離？

二：如何在預測框和目標框重疊時，回歸的更準確？

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距離，當目標框包裹預測框的時候，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，目標框包裹預測框，本來DIOU_Loss可以起作用。

但預測框的中心點的位置都是一樣的，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，科學總是在解決問題中，不斷進步！！

d.CIOU_Loss

CIOU_Loss和DIOU_Loss前面的公式都是一樣的，不過在此基礎上還增加了一個影響因子，將預測框和目標框的長寬比都考慮了進去。

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就將目標框回歸函數(shù)應該考慮三個重要幾何因素：重疊面積、中心點距離，長寬比全都考慮進去了。

再來綜合的看下各個Loss函數(shù)的不同點：

IOU_Loss：主要考慮檢測框和目標框重疊面積。

GIOU_Loss：在IOU的基礎上，解決邊界框不重合時的問題。

DIOU_Loss：在IOU和GIOU的基礎上，考慮邊界框中心點距離的信息。

CIOU_Loss：在DIOU的基礎上，考慮邊界框寬高比的尺度信息。

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

（2）DIOU_nms

Nms主要用于預測框的篩選，常用的目標檢測算法中，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：

再來看下實際的案例

在上圖重疊的摩托車檢測中，中間的摩托車因為考慮邊界框中心點的位置信息，也可以回歸出來。

因此在重疊目標的檢測中，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：因為前面講到的CIOU_loss，是在DIOU_loss的基礎上，添加的影響因子，包含groundtruth標注框的信息，在訓練時用于回歸。

但在測試過程中，并沒有groundtruth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，將近幾年關于深度學習領域最新研究的tricks移植到Yolov4中做驗證測試，將Yolov3的精度提高了不少。

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

Yolov4 主要帶來了 3 點新貢獻：

（1）提出了一種高效而強大的目標檢測模型，使用 1080Ti 或 2080Ti 就能訓練出超快、準確的目標檢測器。

（2）在檢測器訓練過程中，驗證了最先進的一些研究成果對目標檢測器的影響。

（3）改進了 SOTA 方法，使其更有效、更適合單 GPU 訓練。

5.YoloV4相關代碼

5.1 python代碼

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

作者的訓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，應該是個獨立研究員，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作者的認可，發(fā)布了Yolov4。

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

審核編輯 ：李倩