重磅！就在刚刚，吊打一切的 YOLOv4 开源了！

Tips
◎作者系极市原创作者计划特约作者Happy
欢迎大家联系极市小编（微信ID:fengcall19）加入极市原创作者行列

早上刷到YOLOv4之时，非常不敢相信这是真的！

paper：https://arxiv.org/pdf/2004.10934.pdf,

code：https://github.com/AlexeyAB/darknet

核心中的核心：作者将Weighted-Residual-Connections(WRC), Cross-Stage-Partial-connections(CSP), Cross mini-Batch Normalization(CmBN), Self-adversarial-training(SAT)，Mish-activation Mosaic data augmentation, DropBlock, CIoU等组合得到了爆炸性的YOLOv4，可以吊打一切的YOLOv4.在MS-COCO数据上：43.5%@AP（65.7%@AP50）同时可以达到65fps@TeslaV100.

Contribution

作者设计YOLO的目的之初就是设计一个快速而高效的目标检测器。该文的贡献主要有以下几点：

  • 设计了一种快速而强有力的目标检测器，它使得任何人仅需一个1080Ti或者2080Ti即可训练这样超快且精确的目标检测器你；
  • (不会翻译直接上英文)We verify the influence of SOTA bag-of-freebies and bag-of-specials methods of object detection during detector training
  • 作者对SOTA方法进行改进（含CBN、PAN，SAM）以使其更适合单GPU训练

Method

作者在现有实时网络的基础上提出了两种观点：

  • 对于GPU而言，在组卷积中采用小数量的groups（1-8），比如CSPResNeXt50/CSPDarknet53;
  • 对于VPU而言，采用组卷积而不采用SE模块。

网路结构选择

网络结构选择是为了在输入分辨率、网络层数、参数量、输出滤波器数之间寻求折中。作者研究表明：CSPResNeXt50在分类方面优于CSPDarkNet53，而在检测方面反而表现要差。

网络主要结构确定了后，下一个目标是选择额外的模块以提升感受野、更好的特征汇聚模块（如FPN、PAN、ASFF、BiFPN）。对于分类而言最好的模型可能并不适合于检测，相反，检测模型需要具有以下特性：

  • 更高的输入分辨率，为了更好的检测小目标；
  • 更多的层，为了具有更大的感受野；
  • 更多的参数，更大的模型可以同时检测不同大小的目标。

一句话就是：选择具有更大感受野、更大参数的模型作为backbone。下图给出了不同backbone的上述信息对比。从中可以看到：CSPResNeXt50仅仅包含16个卷积层，其感受野为425x425，包含20.6M参数；而CSPDarkNet53包含29个卷积层，725x725的感受野，27.6M参数。这从理论与实验角度表明：CSPDarkNet53更适合作为检测模型的Backbone。

在CSPDarkNet53基础上，作者添加了SPP模块，因其可以提升模型的感受野、分离更重要的上下文信息、不会导致模型推理速度的下降；与此同时，作者还采用PANet中的不同backbone级的参数汇聚方法替代FPN。

最终的模型为：CSPDarkNet53+SPP+PANet(path-aggregation neck)+YOLOv3-head = YOLOv4.

Tricks选择

为更好的训练目标检测模型，CNN模型通常具有以下模块：

  • Activations：ReLU、Leaky-ReLU、PReLU、ReLU6、SELU、Swish or Mish
  • Bounding box regression Loss：MSE、IoU、GIoU、CIoU、DIoU
  • Data Augmentation：CutOut、MixUp、CutMix
  • Regularization：DropOut、DropPath、Spatial DropOut、DropBlock
  • Normalization：BN、SyncBn、FRN、CBN
  • Skip-connections：Residual connections, weighted residual connections, Cross stage partial connections

作者从上述模块中选择如下：激活函数方面选择Mish；正则化方面选择DropBlock；由于聚焦在单GPU，故而未考虑SyncBN。

其他改进策略

为使得所涉及的检测器更适合于单GPU,作者还进行了其他几项额外设计与改进：

  • 引入一种新的数据增广方法：Mosaic与自对抗训练；
  • 通过GA算法选择最优超参数；
  • 对现有方法进行改进以更适合高效训练和推理：改进SAM、改进PAN，CmBN。

YOLOv4

总而言之，YOLOv4包含以下信息：

  • Backbone：CSPDarkNet53
  • Neck：SPP，PAN
  • Head：YOLOv3
  • Tricks（backbone）：CutMix、Mosaic、DropBlock、Label Smoothing
  • Modified（backbone）: Mish、CSP、MiWRC
  • Tricks（detector）：CIoU、CMBN、DropBlock、Mosaic、SAT、Eliminate grid sensitivity、Multiple Anchor、Cosine Annealing scheduler、Random training shape
  • Modified（tector）：Mish、SPP、SAM、PAN、DIoU-NMS

Experiments

模型的好坏最终还是要通过实验来验证，直接上对比表：

更多的消融实验分析如下：

赞 (0)

相关推荐