YOLOV4

一、整体定位与核心优势​

1. 传承与创新：尽管作者更换，但延续了 YOLO 系列的核心精髓，保持了对检测精度和速度的平衡追求，细节设计依旧精细。​
2. 亲民特性：支持单 GPU 训练，大幅降低设备门槛，所有实验均基于单 GPU 完成，无需高端硬件配置。​
3. 核心贡献：从数据层面和网络设计层面双管齐下优化模型；开展了全面的消融实验，覆盖主流改进方向，工作量极为丰富。​
4. 性能表现：在速度 - 精度权衡上表现优异，与 YOLOv3、EfficientDet、ATSS 等主流模型相比，在相近 FPS（帧率）下具备更高精度，完全满足实时检测需求。​

二、核心优化框架：Bag of Freebies（BOF）​

核心特点是仅增加训练成本，不影响推理速度，显著提升检测精度，涵盖数据增强、网络正则化、损失函数优化三大方向：​

1. 数据增强技术​

• Mosaic 数据增强：参考 CutMix 思路，将 4 张图像拼接为 1 张进行训练，丰富数据多样性。​

• 其他增强手段：Random Erase（随机值 / 平均像素值替换图像区域）、Hide and Seek（随机隐藏图像补丁）、Self-adversarial-training（SAT，引入噪音提升训练难度），以及传统的亮度、对比度、色调调整、随机缩放、剪切、翻转、旋转等。​

• 效果验证：对比 Mixup、Cutout、CutMix 等方法，Mosaic 等增强手段在 ImageNet 分类、定位及 Pascal VOC 检测任务中均实现精度提升（如 Pascal VOC 检测 mAP 最高提升 2.3%）。​

2. 网络正则化方法​

• DropBlock：改进传统 Dropout 随机删除单个像素的方式，改为删除连续的图像区域，避免信息碎片化，正则化效果更优。​

• Label Smoothing：缓解神经网络过拟合问题，通过软化标签（如将标签 [0,1] 调整为 [0.05, 0.95]）降低模型置信度偏差，使类别簇内更紧密、簇间更分离。​

3. 损失函数与框筛选优化​

• IOU 损失的演进：针对传统 IOU 损失 “无相交时梯度为 0”“相同 IOU 无法区分实际位置差异” 的缺陷，依次提出改进方案：​

• GIoU：引入能包裹预测框与真实框的最小封闭形状 C，解决无相交时梯度消失问题；​

• DIoU：优化中心点欧式距离，直接优化框的位置距离，收敛速度更快；​

• CIoU：同时考虑重叠面积、中心点距离、长宽比三个几何因素，进一步提升定位精度。​

• 框筛选改进：用 DIOU-NMS 替代传统 NMS，筛选时同时考虑 IOU 值和框中心点距离；补充 Soft-NMS，通过调整置信度而非直接剔除框，实现更柔和的框筛选逻辑。