YOLOv4 知识点总结
一、整体介绍
- 核心定位：YOLOv4 聚焦目标检测的最优速度与精度（Optimal Speed and Accuracy of Object Detection），虽作者变更，但延续了 YOLO 系列的核心设计思路。
- 性能表现：从对比图可见，YOLOv4 在 FPS（速度，基于 V100 显卡）和精度指标上，优于 YOLOv3、EfficientDet（部分版本）、ASFF 等模型，兼顾实时性与检测效果。
二、YOLOv4 的核心贡献
- 亲民训练方案：支持单 GPU 高效训练，无需依赖多 GPU 集群，降低了设备门槛，后续多数小模块设计均围绕 “单 GPU 适配” 展开。
- 两大核心改进方向：从数据层面（提升数据质量与多样性）和网络设计层面（优化特征提取与利用）双管齐下，系统性提升模型性能。
- 全面消融实验：覆盖了多数可行的改进方向，验证了各模块的有效性，实验工作量大且完整，所有实验均基于单 GPU 完成。
三、Bag of Freebies（BOF，免费午餐策略）
定义：仅增加训练阶段的计算成本，不影响推理速度，却能显著提升模型精度的方法。
1. 数据增强技术
- 基础增强手段：调整图像的亮度、对比度、色调，以及随机缩放、剪切、翻转、旋转，扩大训练数据多样性。
- Mosaic 数据增强：参考 CutMix 思路，将4 张图像拼接为 1 张进行训练，提升模型对多场景、多目标的适应能力。
- Random Erase：用随机像素值或训练集的平均像素值，替换图像中的随机区域，增强模型对局部遮挡的鲁棒性。
- Hide and Seek：按一定概率随机隐藏图像中的部分补丁（patch），迫使模型关注更全面的特征，而非依赖局部信息。
- Self-adversarial-training（SAT，自对抗训练）：通过向图像中引入噪音点，增加训练 “难度”，提升模型对干扰信息的抗干扰能力。
2. 网络正则化方法
- DropBlock：改进传统 Dropout（随机丢弃单个像素点），改为丢弃图像中的连续区域，避免模型过度依赖局部像素，缓解过拟合。
- Label Smoothing（标签平滑）：针对神经网络易 “过度自信”（过拟合）的问题，软化标签值。例如原标签（0,1）会调整为（0.05, 0.95），最终效果是让特征簇内更紧密、簇间更分离。
3. 损失函数优化（解决 IOU 损失缺陷）
- 传统 IOU 损失的问题：当预测框与真实框无相交时，IOU=0，导致无法计算梯度；且相同 IOU 值无法反映框的实际位置差异（如距离、形状）。
- GIOU 损失：引入 “能包裹预测框与真实框的最小封闭形状 C”，公式为
LGIoU = 1 - IOU + (|C - B∪B_gt| / |C|)，解决了 “无相交时梯度消失” 的问题，推动预测框向真实框靠近。 - DIOU 损失：在 IOU 基础上，直接优化预测框与真实框的中心点欧式距离 d，分母为最小封闭形状 C 的对角线长度，公式为
LDIoU = 1 - IOU + (d² / c²)，收敛速度更快，且解决了 GIOU 的部分局限。 - CIOU 损失：进一步考虑长宽比一致性，需同时优化 “重叠面积、中心点距离、长宽比” 三个几何因素，公式中引入权重参数 α，更贴合目标检测的实际需求。