yolo系列之yolov4（4）
文章目录
- 总结
- 改进
- 输入的改进
- BackBone创新
- Dropblock
- Sppnet
- CBAM conv block attation module
- PAN 双向特征传播(path aggregation network)
总结
前几篇文章总结了一些1,2，3的特征，基本上v3 也是当前应用最广泛的了。
接下来说说v4
改进
输入的改进
- 数据的增强： Mosaic数据增强
Mosaic：进行了数据随机缩放、随机裁剪、随机排布的方式进行拼接。
优点： 丰富数据集，减少GPU
Sat： 增加噪音点，如0.008 ，增加难度
** label smothing** : 增加拟合难度，不让网络拟合到100%
BackBone创新
改变了darknet-53 ，变成了CSP darknet53
引入5层Csp ,并且激活函数改为了mish，可以很好的降低计算量，减少内存，后面仍然采用Leaky_relu
- mish 和leaky_relu的差别
- mish 给一些特征一些发挥的机会， 越没用的特征越不可能
Dropblock
替代dropout的方案， 不再是随机某几个点，而是变成随机块。
Sppnet
- 引入多种特征提取方式，最后进行特征融合
CBAM conv block attation module
设置权重，关注于较重要的特征