计算机视觉---YOLOv4

YOLOv4(You Only Look Once v4)于2020年由Alexey Bochkovskiy等人提出,是YOLO系列的重要里程碑。它在YOLOv3的基础上整合了当时最先进的计算机视觉技术,实现了检测速度与精度的显著提升。以下从主干网络、颈部网络、头部检测、训练策略、损失函数、正则化方法

一、主干网络(Backbone):从Darknet53到CSPDarknet53

YOLOv3的瓶颈
  • Darknet53:采用全卷积结构,包含53个卷积层,结合残差连接(Residual Connection),在精度与速度间取得平衡,但计算量较大,且特征复用效率有待提升。
YOLOv4的改进
  1. CSP结构引入(Cross Stage Partial Network)

    • 核心思想:将主干网络的每个阶段(Stage)的特征图分为两部分,一部分直接传递(Partial Connection),另一部分进行常规卷积,最后拼接融合。
    • 优势
      • 减少计算量:通过跨阶段特征融合,避免重复计算,提升计算效率。
      • 增强梯度传播:分离的梯度路径使网络更易训练,缓解梯度消失。
      • 轻量化设计:在YOLOv4中,CSPDarknet53相比Darknet53减少约15%的参数量,同时保持精度。
        在这里插入图片描述
  2. 激活函数替换:Mish替代LeakyReLU

    • Mish公式 Mish = x ⋅ tanh ⁡ ( ln ⁡ ( 1 + e x ) ) \text{Mish} = x \cdot \tanh(\ln(1 + e^x)) Mish=xtanh(ln(1+ex))
    • 优势
      • 光滑连续的非单调特性,保留负值信息,增强特征表达能力。
      • 相比LeakyReLU,在深层网络中精度更高,但计算量略有增加。
    • 例外:YOLOv4-tiny仍使用LeakyReLU以降低计算成本。
      在这里插入图片描述
  3. SPP模块集成(Spatial Pyramid Pooling)

    • 位置:在CSPDarknet53的末端加入SPP模块(YOLOv3无此结构)。
    • 作用通过多尺度池化(如1×1, 5×5, 9×9, 13×13最大池化)扩大感受野,融合不同尺度特征,提升目标多尺度检测能力
    • 效果:实验表明,SPP模块使YOLOv4的mAP提升2.7%~3.2%。

在这里插入图片描述

二、颈部网络(Neck):从FPN到PAN+SPP

YOLOv3的瓶颈
  • 单一FPN结构:仅通过自上而下路径融合高层语义特征,底层细节特征(如小目标位置信息)传递不足。
YOLOv4的改进
  1. FPN+PAN结构(Path Aggregation Network)
    • 双向特征融合
      • 自上而下路径(FPN):传递高层语义特征(如“汽车”“人”的类别信息)。
      • 自下而上路径(PAN):增强底层细节特征(如边缘、纹理)的传递,尤其提升小目标检测性能。
    • 对比YOLOv3:YOLOv3仅使用FPN,而YOLOv4通过PAN补充底层特征流动,形成更强大的特征金字塔。
      在这里插入图片描述

YOLOv4中的PAN不是加法,是拼接
在这里插入图片描述

  1. SPP模块的延续作用
    • 在颈部网络中,SPP模块进一步扩大感受野,且计算成本低(仅在主干末端和颈部各用一次)。

三、头部检测(Head):多尺度检测与激活函数优化

YOLOv3的设计
  • 三尺度检测:输出13×13、26×26、52×52三种尺度特征图,分别检测大、中、小目标。
  • 激活函数:分类头使用Softmax(单标签分类),回归头使用Sigmoid预测坐标偏移。
YOLOv4的改进
  1. 分类头:Logistic激活替代Softmax

    • 支持多标签分类:YOLOv3的Softmax强制单标签,而YOLOv4通过Logistic激活(独立二分类)支持目标的多标签预测(如“人”同时属于“运动员”和“行人”)。
  2. 锚框优化

    • 使用K-means聚类重新生成锚框,适配COCO数据集的目标尺寸分布,提升先验框与真实框的匹配度。
  3. 检测头结构轻量化

    • 通过减少卷积层数量或使用深度可分离卷积(如YOLOv4-tiny),降低计算量,适配移动端。

四、训练策略:数据增强与自对抗训练

YOLOv3的数据增强
  • 基础增强:随机翻转、裁剪、缩放、颜色抖动等。
YOLOv4的改进
  1. Mosaic数据增强

    • 原理:将4张图像随机缩放、裁剪、拼接成1张新图像,背景丰富且包含更多小目标。
    • 优势
      • 提升小目标检测性能(小目标在拼接后可能成为中/大目标)。
      • 减少对Batch Normalization的依赖(单张图像包含4张图的统计特征),可使用更小的Batch Size训练。
        在这里插入图片描述
  2. MixUp增强

    • 混合两张图像及其标签,通过线性插值生成新样本,提升模型泛化能力,抑制过拟合。
  3. Random Erase:用随机值或训练集的平均像素值替换图像中的区域

  4. Hide and Seek:根据概率设置随机隐藏一些补丁
    在这里插入图片描述

  5. 自对抗训练(Self-Adversarial Training, SAT)

    • 两阶段流程
      • 阶段1:模型反向更新输入图像(而非网络参数),生成对抗样本(使模型误检)。
      • 阶段2:用对抗样本正常训练模型,提升鲁棒性。
    • 对比传统对抗训练:无需外部攻击算法,仅通过模型自身生成扰动,计算成本更低。
      在这里插入图片描述

6.DropBlock
在这里插入图片描述

五、损失函数:从Smooth L1到CIoU Loss

YOLOv3的损失函数
  • 坐标损失:Smooth L1损失,仅计算预测框与真实框的坐标偏移,未考虑框的重叠面积和形状。
  • 分类损失:交叉熵损失。
  • 置信度损失:二元交叉熵损失,衡量预测框与真实框的重叠程度(IoU)。
存在的问题:没有相交则IOU=0无法进行梯度计算,相同的IOU却反应不出实际情况是怎么样

在这里插入图片描述

YOLOv4的改进

GIOU引入面积
在这里插入图片描述
DIOU引入中心点距离
在这里插入图片描述

  1. CIoU Loss替代Smooth L1

    • 公式

      CIoU = 1 − IoU + ρ 2 ( b , b g t ) c 2 + α v \text{CIoU} = 1 - \text{IoU} + \frac{\rho^2(b, b^{gt})}{c^2} + \alpha v CIoU=1IoU+c2ρ2(b,bgt)+αv
      其中:

      • ρ 2 \rho^2 ρ2:预测框与真实框中心点的欧氏距离。
      • c c c:包含两框的最小外接矩形对角线长度。
      • α \alpha α:权重参数,(v):衡量预测框与真实框的宽高比一致性。
    • 优势

      • 同时优化重叠面积(IoU)、中心点距离、宽高比,收敛更快,定位更精准
      • 解决传统IoU/L1损失在无重叠时梯度消失的问题。
  2. 置信度损失结合CIoU

    • 置信度不仅反映IoU,还融入CIoU的惩罚项,使模型更关注框的形状和位置匹配。

六、正则化与优化技术

1. 跨卡批量归一化(CmBN, Cross mini-Batch Normalization)
  • 背景:YOLOv3使用普通BN,多卡训练时各卡独立计算统计量,可能导致模型不稳定。
  • CmBN改进:在每个Batch内跨GPU收集统计量(而非全量数据),平衡训练稳定性与计算效率,尤其适合小Batch Size场景。
2. 优化器与学习率策略
  • 优化器:YOLOv4默认使用SGD(YOLOv3也常用SGD,但YOLOv4调参更精细)。
  • 学习率调度
    • 余弦退火(Cosine Annealing):周期性衰减学习率,避免过早收敛到局部最优。
    • Warmup策略:训练初期缓慢提升学习率,防止模型在随机初始化阶段崩溃。
3. 标签平滑(Label Smoothing)
  • 对真实标签添加微小噪声(如将one-hot标签从[0,1,0]改为[0.05,0.9,0.05]),抑制模型对标签的过度自信,提升泛化能力
    在这里插入图片描述
    在这里插入图片描述
非极大值抑制NMS改进

DIOU-NMS
在这里插入图片描述
在这里插入图片描述

七、SAM注意力机制模块

Convolutional Block Attention Module(CBAM)是一种轻量级卷积神经网络注意力模块。它通过通道注意力空间注意力双重机制优化特征表达:先对特征图进行全局平均池化与最大池化,经全连接层生成通道注意力权重,聚焦重要特征通道;再对通道维度做平均与最大池化,通过卷积生成空间注意力权重,定位关键空间区域。两者顺序堆叠,为特征图分配动态权重,增强有效信息、抑制冗余,可无缝嵌入各类CNN架构,在几乎不增加计算量的前提下提升模型表征能力。CBAM注意力机制在NLP,CV等领域广泛应用。
在这里插入图片描述

YOLOv4引入了SAM(Spatial Attention Module)
SAM(空间注意力模块)是神经网络中聚焦空间维度的注意力机制模块。其输入特征图后,先在通道维度分别进行平均池化与最大池化,生成两张空间特征图;再将二者拼接,通过卷积操作输出空间注意力权重图,该权重图与原特征图相乘,可增强关键空间区域的特征响应,抑制无关位置信息。SAM能让模型更关注“何处”是重要特征,常与通道注意力结合(如CBAM),轻量级且计算高效,适用于各类CNN架构以提升空间特征表征能力。
在这里插入图片描述
在这里插入图片描述

八、其他改进与性能对比

1. 测试阶段优化
  • 多尺度测试(Multi-Scale Testing, MST):输入图像缩放至不同尺寸进行推理,提升小目标检测精度(牺牲速度)。
  • 自适应锚框机制:根据输入图像尺寸动态调整锚框比例,适配不同分辨率。
2. 轻量化变体:YOLOv4-tiny
  • 主干网络:使用CSPDarknet53的轻量化版本,减少卷积层和通道数(如仅保留前13层)。
  • 颈部网络:移除SPP和PAN,仅用简单FPN。
  • 检测头:仅保留两个尺度(13×13和26×26),适合移动端或嵌入式设备。
3. 性能对比(COCO数据集)
模型BackbonemAP@0.5FPS (Tesla V100)
YOLOv3Darknet5357.940
YOLOv4CSPDarknet5365.765
YOLOv4-tinyCSPDarknet53-tiny40.2448
  • 结论:YOLOv4相比YOLOv3,mAP提升约7.8%,FPS提升62.5%,实现“精度与速度双突破”。

八、总结:YOLOv4的技术突破点

模块YOLOv3YOLOv4改进收益
主干网络Darknet53CSPDarknet53 + SPP轻量化、更强特征表达
颈部网络FPNFPN + PAN底层细节与高层语义双向融合
数据增强基础增强Mosaic + MixUp + SAT小目标检测与鲁棒性提升
损失函数Smooth L1 + BCECIoU Loss定位更精准,收敛更快
正则化普通BN + DropoutCmBN + 标签平滑训练稳定性与泛化能力提升
激活函数LeakyReLUMish(主干)非线性表达增强
检测头Softmax(单标签)Logistic(多标签)支持多标签分类

九、常见误区与注意事项

  1. YOLOv4与YOLOv5的关系

    • YOLOv4是官方版本,由原团队开发;YOLOv5由Ultralytics公司基于PyTorch重构,非官方但更易部署,两者技术路线不同(如YOLOv5使用Focus结构和不同的CSP变体)。
  2. Mish的适用场景

    • 算力充足时使用Mish可提升精度;嵌入式设备建议用LeakyReLU或Swish优化版。
  3. 锚框的必要性

    • YOLOv4仍依赖手工设计的锚框,而后续YOLOv5s/YOLOX尝试无锚框(Anchor-Free)设计,需注意技术演进趋势。

朝饮花上露,夜卧松下风。
云英化为水,光采与我同。 —王昌龄

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/359.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Unity-QFramework框架学习-MVC、Command、Event、Utility、System、BindableProperty

QFramework QFramework简介 QFramework是一套渐进式、快速开发框架,适用于任何类型的游戏及应用项目,它包含一套开发架构和大量的工具集 QFramework的特性 简洁性:QFramework 强调代码的简洁性和易用性,让开发者能够快速上手&a…

今天遇到的bug

先呈现一下BUG现象。 这主要是一个传参问题,参数一直传不过去。后来我才发现,问题所在。 我们这里用的RquestBody接收参数,所有请求的参数需要用在body体中接收,但是我们用postman,用的是字符串查询方式传参&#x…

mkdir: cannot create directory ‘gitlab-stu’: No space left on device

Linux中创建目录时报错“mkdir: cannot create directory ‘gitlab-stu’: No space left on device”,磁盘空间不足。 使用df命令查看,发现 / 下面use%占满了: 查看inode使用情况: 可以看到docker的数据大部分存放在/var/lib/do…

第二章支线一:影之殿堂 · 阴影与过渡魔法

主线回顾 第二章:CSS秘典 色彩与布局的力量 🎬 剧情设定: 夜色降临,林昊在寻找“CSS秘典”的旅途中,被卷入一座黑暗禁宫——影之殿堂。这里由“影魔议会”掌控,一切光线都受操控,元素若无阴…

ADQ36-2通道2.5G,4通道5G采样PXIE

ADQ36是一款高端12位四通道灵活数据采集板,针对高通道数科学应用进行了优化。ADQ36具有以下特性: 4 / 2模拟输入通道每通道2.5 / 5 GSPS7gb/秒的持续数据传输速率两个外部触发器通用输入/输出(GPIO)ADQ36数字化仪包括固件FWDAQ ADQ36简介 特…

GUI 编程——python

GUI 编程核心概念 GUI(图形用户界面,Graphical User Interface) 是一种通过图形元素(窗口、按钮、菜单等)与用户交互的应用程序形式,相比命令行界面更直观易用。以下是学习 GUI 编程的基础概念和流程&…

【机器学习基础】机器学习入门核心算法:朴素贝叶斯(Naive Bayes)

机器学习入门核心算法:朴素贝叶斯(Naive Bayes)) 一、算法逻辑1.1 基本概念1.2 基本流程 二、算法原理与数学推导2.1 贝叶斯定理2.2 朴素贝叶斯分类器2.3 不同分布假设下的概率计算2.3.1 高斯朴素贝叶斯(连续特征&…

mybatis-plus实现增删改查(新手理解版)

目标:API(增删改查)常用记住、restful风格增删查改查、再学习一些细节 视频学习链接:黑马mybatis-plus 只是跟到了11,我是springboot3实现的, git链接 1、新建数据库用于mybatis-plus 输入所给的sql语句…

Vue 实例生命周期

一、前言 在使用 Vue 开发应用时,我们经常需要在组件加载、更新或销毁时执行一些特定逻辑,例如: 页面初始化时请求数据;数据变化时更新 DOM 或发送埋点;组件卸载时清除定时器、取消事件监听等资源释放操作。 Vue 提…

英一真题阅读单词笔记 17年

2017 年 Text 1 第一段 序号 单词 音标 词义 1 in advance 事先,提前 2 authority [ɔːˈθɒrəti] n. 专家,权威人士;当局,官方 3 recommend [ˌrekəˈmend] v. 建议,劝告 ;推荐 4 s…

Prometheus + Grafana 监控常用服务

一、引言 Prometheus监控常见服务的原理主要包括服务暴露指标和Prometheus抓取指标。一方面,被监控服务通过自身提供的监控接口或借助Exporter将服务的性能指标等数据以HTTP协议的方式暴露出来;另一方面,Prometheus根据配置好的采集任务&…

DAY9 热力图和箱线图的绘制

浙大疏锦行 学会了绘制两个图: 热力图:表示每个特征之间的影响,颜色越深数值越大表示这两个特征的关系越紧密 箱线图:表示每个特征的数据分布情况 箱体(Box): 箱体的上下边界分别表示第一四分位…