本文經計算機視覺研究院公眾號授權轉載，轉載請聯系出處。

期待已久的檢測經典又來來了一波強襲——yolov5。其實yolov5沒有完整的文件，現在最重要的應該是把yolov4弄清楚，在目標檢測領域中受益匪淺，可以在某些場景得到較高的提升。今天我們還是給大家分享yolov4，下一期我們將實踐得將yolov5部署到蘋果手機或者在終端通過攝像頭實時檢測！

一、技術回顧

有大量的特征被認為可以提高卷積神經網絡（CNN）的精度。需要在大型數據集上對這些特征的組合進行實際測試，并對結果進行理論驗證。某些功能只對某些模型進行操作，某些問題只對某些模型進行操作，或只對小規模數據集進行操作；而某些功能（如批處理規范化和剩余連接）則適用于大多數模型、任務和數據集。本文假設這些通用特征包括加權剩余連接（WRC）、跨階段部分連接（CSP）、跨小批量規范化（CmBN）、自對抗訓練（SAT）和Mish激活。本文使用了新功能：WRC、CSP、CmBN、SAT、誤激活、馬賽克數據增強、CmBN、DropBlock正則化和CIoU丟失，并將其中一些功能結合起來，以達到以下效果：43.5%的AP（65.7%的AP50）用于MS COCO數據集，在Tesla V100上以65 FPS的實時速度。

二、創新點分析

Mosaic數據增強

把四張圖拼成一張圖來訓練，變相的等價于增大了mini-batch。這是從CutMix混合兩張圖的基礎上改進；

Self-Adversarial Training

在一張圖上，讓神經網絡反向更新圖像，對圖像做改變擾動，然后在這個圖像上訓練。這個方法，是圖像風格化的主要方法，讓網絡反向更新圖像來風格化圖像。

Self-Adversarial Training (SAT) also represents a new data augmentation technique that operates in 2 forward backward stages. In the 1st stage the neural network alters the original image instead of the network weights. In this way the neural network executes an adversarial attack on itself, altering the original image to create the deception that there is no desired object on the image. In the 2nd stage, the neural network is trained to detect an object on this modified image in the normal way.

Cross mini-batch Normal

CmBN表示CBN修改的版本，如下圖所示，定義為 Cross mini-Batch Normalization(CMBN)。這只收集單個批次內最小批次之間的統計數據。

modify SAM

從SAM的逐空間的attention，到逐點的attention；修改的PAN，把通道從相加（add）改變為concat。

 實驗 

以數據增強方法為例，雖然增加了訓練時間，但可以讓模型泛化性能和魯棒性更好。例如下面的常見增強方法：

• 圖像擾動，
• 改變亮度、對比對、飽和度、色調
• 加噪聲
• 隨機縮放
• 隨機裁剪（random crop）
• 翻轉
• 旋轉
• 隨機擦除（random erase）
• Cutout
• MixUp
• CutMix

通過實驗看得出，用了很多tricks，簡直就是目標檢測最強萬花筒，下表是對分類網絡的實驗：

CSPResNeXt-50 classifier accuracy

CSPDarknet-53 classifier accuracy

在YOLOv4檢測網絡上，對比了四個loss（GIoU、CIoU、DIoU、MSE），標簽平滑，Cosine學習率，遺傳算法選超參數，Mosaic數據增強等各種方法。下表是YOLOv4檢測網絡上的消融實驗結果：

CSPResNeXt50-PANet-SPP, 512x512

使用不同與訓練權重模型用于訓練：

不同的mini-batch size結果：

最后，是在Maxwell、Pascal、Volta三個不同系列的GPU，在COCO 數據集上的結果對比：

最勁爆的是，在COCO數據集，與其他框架比較（速度和精度）：