YOLO v4它来了，速度效果双提升，研究者对比了 YOLOv4 和当前最优目标检测器，发现 YOLOv4 在取得与 EfficientDet 同等性能的情况下，速度是 EfficientDet 的二倍！此外，与 YOLOv3 相比，新版本的 AP 和 FPS 分别提高了 10% 和 12%。迅速引起了 CV 社区的关注。
YOLO v4 论文：https://arxiv.org/abs/2004.10934
YOLO v4 开源代码：https://github.com/AlexeyAB/darknet
一、引言
1、目的：设计生产系统中目标检测器的快速运行速度，优化并行计算，作者希望设计的对象能够轻松训练和使用， 例如，任何使用传统 GPU 进行训练和测试的人都可以获得实时、高质量和令人信服的目标检测结果。
2、贡献点：
（1）开发出一种高效、强大的物体检测模型。它使每个人都可以使用1080Ti或2080Ti GPU来训练超快速和准确的目标检测器。
（2）在检测器训练期间，我们验证最先进的 Bag-of-Freebies 和 Bag-of-Specials检测方法的影响。
（3）修改最先进的方法，使其更高效，适合单次GPU训练，包括CBN、PAN、SAM等。
二、相关工作
（1）作者把检测模型分成：输入、骨干结构、颈部（Neck）、头部。
其中骨干结构主要是提取特征，去掉头部也可以做分类任务。 颈部（Neck）主要是对特征进行融合，这就有很多技巧在里面了。
（2） “bag of freebies” 是指目标检测器在不增加推理损耗的情况下达到更好的精度，这些方法称为只需转变训练策略或只增加训练量成本。也就是说数据增扩、Focal Loss等这些不用改变网络结构的方法。
“Bag of specials”是指插入模块是用来增强某些属性的，显著提高目标检测的准确性。比如SE模块等注意力机制模块，还有特征融合FPN等模块。
三、方法
1、作者采用 CSPResNeXt50 / CSPDarknet53作为网络骨干结构。经过实验验证， CSPDarkNet53更适合作为检测模型的Backbone。
YOLOv4模型 = CSPDarkNet53 + SPP + PANet(path-aggregation neck) + YOLOv3-head
2、下一部分是通过实验进行各种技巧的选择。
为了使设计的检测器更适合于单 GPU 的训练，我们进行了如下其他设计和改进：
（1）新的数据增强策略和自我对抗训练（SAT）的方法：
Mosaic数据增强， 是一种将4张训练图片混合成一张的新数据增强方法，这样可以丰富图像的上下文信息。这种做法的好处是允许检测上下文之外的目标，增强模型的鲁棒性。此外，在每一层从4个不同的图像批处理标准化计算激活统计，这大大减少了对大mini-batch处理size的需求。如下图所示：
自对抗训练是一种新的数据扩充技术，该技术分前后两个阶段进行：
在第一阶段，神经网络改变原始图像而不是网络权值。通过这种方式，神经网络对自身执行一种对抗性攻击，改变原始图像，从而造成图像上没有目标的假象。
在第二阶段，训练神经网络对修改后的图像进行正常的目标检测。
（2）在应用genetic algorithms时，我们选择最佳的超参数
（3）修改了一些外在方法，修改SAM、 PAN 和CmBN
将SAM从空间上的attention修改为点上的attention
并将PAN的short-cut连接改为拼接
CmBN 是 CBN 的改进版，它仅收集单个批次内 mini-batch 之间的统计数据。
四、总结
YOLOv4由以下组成：
骨架网络: CSPDarknet53
颈部: SPP、PAN
头部: YOLOv3
YOLOv4的技巧：
（1）Bag of Freebies 外在引入技巧： CutMix和马赛克数据增强，DropBlock正则化,类标签平滑 。
（2）Bag of Specials 网络改进技巧： Mish激活函数，跨阶段部分连接(CSP)，多输入加权残差连接 (MiWRC)。
（3） Bag of Freebies 外在检测器引入技巧：CIoU损失函数, CmBN, DropBlock正则化，马赛克数据增强，自对抗训练（SAT），Eliminate grid sensitivity，为每个真实标签使用多个锚点，Cosine annealing scheduler，优化的超参数，随机的训练形状。
（4）Bag of Specials检测器网络改进技巧：Mish激活函数，SPP模块，SAM模块，路径聚合模块（PAN）, DIoU-NMS 。
五、个人总结
yolov4论文中给出了大量的实验结果来证明了其所选择tricks的有效性，在这篇博客中，我没有给出实验结果对比图（因为太多了），有需要的可以去论文里面找。
