【YOLOv4核心技术详解】从损失函数到网络架构

一、损失函数的演进：从IoU到CIoU

1. IoU损失及其缺陷

IoU损失：常用于边界框回归，计算预测框与真实框的交并比。

问题：

当两个框不重叠时，IoU=0，无法计算梯度，训练停滞。

相同的IoU值可能对应不同的位置关系，无法区分对齐程度。

2. GIoU：引入最小包围框

引入一个最小封闭形状C，将预测框A和真实框B包含在内。

优化目标不仅是最大化IoU，还包括最小化C中未被A、B覆盖的区域。

优点：解决了IoU在不重叠情况下的梯度问题。

3. DIoU：考虑中心点距离

在IoU基础上，加入中心点欧式距离作为惩罚项。

公式中考虑了重叠面积和中心点距离，收敛更快。

4. CIoU：全面考虑几何因素

在DIoU基础上，进一步引入长宽比的一致性。

综合考虑：重叠面积、中心点距离、长宽比。

是目前最全面的边界框回归损失函数。

二、NMS的改进：DIoU-NMS与Soft-NMS

1. DIoU-NMS

传统NMS仅依赖IoU值决定是否抑制框。

DIoU-NMS 同时考虑IoU和中心点距离，更准确地判断框之间的重叠关系。

公式中引入距离项，避免误删距离较远但IoU较高的框。

2. Soft-NMS

不是直接删除框，而是降低其置信度分数。

更加“柔和”，避免密集目标检测中的漏检问题。

三、Bag of Specials (BOS)：提升精度的“小插件”

BOS是一类略微增加推理成本但显著提升精度的技术，主要包括：

1. 注意力机制

SAM（Spatial Attention Module）：在YOLOv4中使用的空间注意力模块，增强特征图的空间信息。

CBAM：结合通道与空间注意力，进一步提升特征表达能力。

2. 特征金字塔增强：PAN

FPN：自顶向下传递高层语义信息。

PAN：在此基础上引入自底向上的路径，增强底层位置信息的传递。

YOLOv4中使用拼接（concat） 而非加法，保留更多特征信息。

3. 激活函数：Mish

• 替代ReLU，更平滑，避免“死神经元”。

• 公式：

• 虽然计算量增加，但提升模型表达能力。

四、其他关键技术

1. SPPNet（空间金字塔池化）

使用不同尺度的最大池化，使网络适应不同尺寸的输入。

避免因输入尺寸变化而重新训练模型。

2. CSPNet（跨阶段局部网络）

将特征图按通道拆分为两部分：

一部分正常经过卷积层；

另一部分直接与输出拼接。

减少计算量，增强梯度流动，提升特征复用。

3. 消除网格敏感度（Eliminate Grid Sensitivity）

边界框坐标通常在0~1之间，靠近网格边界时难以表示。

在激活函数前加上一个大于1的系数，缓解边界回归困难。

五、整体网络架构

YOLOv4的整体架构融合了上述所有技术：

Backbone：CSPDarknet53

Neck：SPP + PAN

Head：YOLOv3-style，配合CIoU损失和DIoU-NMS

总结

YOLOv4不仅在精度上达到新高度，更在实用性上做出巨大贡献：

所有实验均可在单GPU上完成，极大降低训练门槛。

融合了近年来目标检测领域的多项SOTA技术，如注意力机制、Mish激活、CIoU损失等。

通过大量消融实验验证每个模块的有效性，堪称“目标检测技术集大成者”。