最新 | 对象检测YOLOv4版本来了！

YOLO对象检测模型自问世以来受到计算机视觉开发者的追捧、应用广发，已经陆续发出了三个版本分别是YOLOv1～YOLOv3，现在YOLOv4也出炉了，精度与速度全面超越YOLOv3版本，废话不多说了，有图为证：

精度跟FPS分别比YOLOv3版本提升10%与12%。常见的对象检测模型分为二阶段与一阶段，图示如下：

YOLOv4改进

作者的改进主要是基于以下几点：

1.可以使用1080Ti或者2080Ti训练一个超级快与高精度的对象检测器 2.在训练时使用BOF(Bag-of-Freebies)与BOS(Bag-of-Specials)模型优化技巧 3.优化模型本身，更加有效率的可以实现单GPU训练方式

其中BOS与BOF的选择改进

选择了ReLU6作为激活函数、DropBlock作为正则化方法、因为模型只是在一个GPU上训练，所以跨GPU的归一化方法不用考虑了。

此外作者还加入下面一些提高方法：

1. Mosaic数据增强、自我对抗训练
2. 优化超参数
3. 采用修改之后的SAM、PAN、CmBN

其中马赛克数据增强是一种新的数据增强方法，它是有四张训练数据组合而成，如下图所示：

总结：

最终的YOLOv4网络组成如下：

- BackBone CSPDarknet53

- Neck: SPP,PAN

- Head: YOLOv3

训练阶段各种数据增强的方法：

效果对比

论文地址

https://arxiv.org/pdf/1902.04103v2.pdf

代码

https://github.com/pjreddie/darknet