YOLOv4算法

一、数据增强与正则化

为了让模型在训练时"见多识广",避免过拟合,YOLOv4引入了丰富的增强手段:

**1.马赛克数据增强:**借鉴了CutMix,讲4张图片拼接成1张进行训练,极大地丰富了背景和目标的组合,提高了小目标检测能力。

2..Random Erase & Hide and Seek:随机擦除图像区域,或根据概率随机隐藏补丁,逼迫模型通过局部特征去识别整体。

**3.自对抗训练:**在图像上引入噪声点,增加游戏难度,提高模型鲁棒性。

**4.DropBlock:**相对传统的Dropout(随机屏蔽单个神经元),DropBlock是随机屏蔽连续的区域,更好地减少了冗余连接,防止过拟合。

5.标签平滑:解决神经网络"自觉不错(过度自信)"的问题。例如将原本绝对的0,1标签平滑为0.05,0.95,让模型别太绝对。

二、损失函数的演进

目标检测的核心是画框,YOLOv4在边界框回归损失上做了重要改进:

IOU损失:最基础的算法,但没有相交则IOU=0无法计算梯度,且相同的IOU反映不出具体重合情况。

GIOU损失:引入最小封闭形状C,在不相交时也能让预测框向着真实框前进。但遇到"包含"情况时失效。

DIOU损失:直接优化预测框与真实框的中心点欧式距离,速度更快,解决了GIOU的问题。 DIoU 没能处理好的"形状"问题。

CIOU损失(最终采用):综合考虑了重叠面积、中心点距离、长宽比三个几何因素,让预测框更贴合真实框。

三、后处理改进:非极大值抑制(NMS)

传统NMS容易误删重叠的物体:

**DIoU-NMS:**不仅考虑IoU值,还考虑两个Box中心点之间的距离来判定是否删除。

SOFT-NMS:传统NMS是直接删除,SOFT-NMS则通过高斯函数衰减重叠框的分数,而不是直接干掉,保留了密集目标的检测能力。

四、网络结构改进

这是YOLOv4在架构上的核心升级:

1.SPP-Net(空间金字塔池化):接在最后一个卷积层后,用不同大小的池化核,进行最大池化并拼接,解决了输入图像尺寸固定的问题,增加了感受野。

2.CSPNet:将特征图按通道拆分为两部分,一部分正常走残差网格,另一部分直接连接到输出。这极大降低了计算量,减少了内存成本,并增强了CNN的学习能力。

3.注意力机制(CBAM):YOLOv4中使用了SAM(空间注意力机制),让网络知道该看哪里,增强特征提取。

CBAM(Convolutional Block Attention Module)是一种针对深度神经网络的注意力机制模块,用于提高模型在分类、检测和分割等任务中的表现。它结合了通道注意力和空间注意力,几乎可以嵌入任何CNN网络中,在稍微增加一点计算量和参数量的情况下,可以大大增强模型性能。

**4.PANet(路径聚合网络):**传统的FPN是自顶向下的,YOLOv4引入了自底向上的路径,使底层特征更容易传到顶部。同时,YOLOv4还会拼接,保留了更多特征信息。

5.Mish激活函数:替代了部分ReLU。它的曲线更平滑,虽然计算量增加,但效果提升。ReLU 将所有权值小于 0 的输入直接置零,导致"神经元死亡"和信息丢失。Mish 在负半轴非单调 :它不会把负输入彻底杀死,而是让微小的负值以负输出的形式保留下来。

6.消除网格敏感性:解决坐标回归值在0-1之间时,网格边界难以预测问题,通过在激活函数前加上大于1的系数来缓解。

五、总结

YOLOv4 并没有提出一个全新、单一的颠覆性结构,而是像一位"集大成者",将当时学术界和工业界最好用的技巧(如Mosaic、CIoU、CSP、PANet等)完美地融合在了一个框架里,从而在速度和精度之间达到了当时极其惊人的平衡。

相关推荐
万里侯31 分钟前
日志聚类之后别把 noise 扔掉:降噪应该改变视图,不抹掉证据
人工智能·微服务·ai·容器·k8s
澹锦汐34 分钟前
纯前端秋日银杏与枫叶落叶色板智能聚类器:基于 K-Means 色彩量化与直方图自动配方提取
前端·人工智能·ai·语言模型·vue·react·k-means
7177778 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn8 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健9 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道9 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor99610 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
字节跳动视频云技术团队10 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术11 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能
Forget the Dream12 小时前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai