目标检测算法-YOLO算法纵向对比理解html
DeepLearning的目标检测任务主要有两大类：一段式，两段式git
其中两段式主要包括RCNN、FastRCNN、FasterRCNN为表明，github
一段式主要包括YOLO，SSD等算法算法
因为一段式直接在最后进行分类(判断所属类别)和回归(标记物体的位置框框)，因此如今一段式大有发展。网络
YOLO v1架构
论文地址：You Only Look Once: Unified, Real-Time Object Detection性能
YOLOv1是one-stage detector鼻祖、real-time detector鼻祖。学习
所谓one-stage，即不需额外一个stage来生成RP，而是直接分类回归出output：优化
YOLOv1直接将整张图片分红 S×S的小格子区域，每一个小格子区域生成 B个bbox（论文中B=2），每一个bbox用来预测中心点落在该格的物体。可是每一个格子生成的全部B个bbox共享一个分类scoreurl
YOLOv1最后一层的输出是一个S×S×(B∗5+C) 的tensor
其中，S为每维的格子段数，B为每格生成的bbox数，C为前景类别数。
YOLO v1包括24个conv layer + 2 fc layer
YOLOv1采用了山寨版的GoogleNet做为backbone，而不是VGG Net；
在第24层时，每一个单点对应原图的感觉野达到了782×782。而原图只有448×448，覆盖了整张原图。也就意味着，
到了第24层的时候，每一个单点都能看到整张原图。更不要提第2五、26层是两个fc操做了。
另外，快速版本的YOLO v1：Fast YOLOv1=9×Conv+2×FC。速度更快，但精度也略低。
这里提供一个感觉野计算神器：
YOLO v2
论文地址：YOLO9000: Better, Faster, Stronger
2.0版本的算法做者发明的一系列骚操做（Dimension Clusters、Direct location prediction、Multi-Scale Training、DarkNet-19）
Dimension Clusters (维度聚类) 。通过对VOC数据集和COCO数据集中bbox的k-means聚类分析，将anchor机制中本来惯用的 9 anchor 法则 删减为仅保留最常出现的 5 anchor 。其中，狭长型的anchor是被保留的主体。
Direct location prediction (直接位置预测) 。用新的位置预测算法来缩小参数范围，使之更容易学习，也使得网络更加稳定。
引入Batch Normalization，涨0.2。
训练分类的阶段，每10个epoch就在448×448的高像素图片上fine-tune一下，使之能更好地适应高像素的输入图像。该操做对mAP涨0.4。
抛弃后段的FC层，改用anchor机制来预测bbox。该操做虽然使得mAP从69.5降至69.2，可是召回率从81暴涨至88。
Dimension Clusters (维度聚类) 。通过对VOC数据集和COCO数据集中bbox的k-means聚类分析，将anchor机制中本来惯用的 9 anchor 法则 删减为仅保留最常出现的 5 anchor 。其中，狭长型的anchor是被保留的主体。
新的 encode/decode机制 —— Direct location prediction (直接位置预测) 。号称用新的位置预测算法来缩小参数范围，使之更容易学习，也使得网络更加稳定。然而如今看来并无什么影响力，你们主流用的仍是Faster R-CNN中设计好的那一套encode/decode机制。
在 26×26 size层设置了通道层接至 13×13 size层。号称保留了更多的位置信息，从而提高细粒度分类的能力。本质上即为single-scale上处理two-scale的feature map信息。该操做涨点1。
Multi-Scale Training (多尺度训练) 。每10个batch就在 320,352,...,608(均为32整数倍)320,352,...,608(均为32整数倍) 中随机选择一个新的input size，该操做听说能锻炼对多尺度input的预测能力。我的感受这就是集成学习。
做者嫌弃主流backbone VGG-16计算量太大（224×224的图像须要计算30.69 billion次浮点运算），因而本身发明了DarkNet-19出来。
softmax嵌套softmax，从而实现分级语法树，带有分级语法树的YOLOv2，进化为了YOLO9000
YOLO v2结构
YOLOv2的网络架构，22卷积层，global average pooling替代了FC（全链接层）
YOLO v3
论文地址：YOLOv3: An Incremental Improvement
backbone从darknet-19玩到了darknet-53
该文章继承了YOLOv2的bbox预测任务的方法，对bbox分类任务进行了修改 (用简单的logistic替换下softmax)
YOLO v3结构
且大大改善了YOLO以前的一大弊病：小物体漏检。使之在APs这一单项上可以达到和 FPN 同级别，且仅逊于RetinaNet的程度
YOLO v4
论文地址：YOLOv4: Optimal Speed and Accuracy of Object Detection
代码地址：https://github.com/AlexeyAB/darknet
做者对比了 YOLOv4 和当前最优目标检测器，发现 YOLOv4 在取得与 EfficientDet 同等性能的状况下，速度是 EfficientDet 的二倍！此外，与 YOLOv3 相比，新版本的 AP 和 FPS 分别提升了 10% 和 12%。笔者刚撸完EfficientDet，结果更牛又出来了。。。
做者创新之处
加权残差链接（WRC）
Cross-Stage-Partial-connection，CSP
Cross mini-Batch Normalization，CmBN
自对抗训练（Self-adversarial-training，SAT）
Mish 激活（Mish-activation）
Mosaic 数据加强
DropBlock 正则化
CIoU 损失
YoloV4 的基本目标是提升生产系统中神经网络的运行速度，同时为并行计算作出优化，而不是针对低计算量理论指标（BFLOP）进行优化。YoloV4 的做者提出了两种实时神经网络：
对于 GPU，研究者在卷积层中使用少许组（1-8 组）：CSPResNeXt50 / CSPDarknet53；
对于 VPU，研究者使用了分组卷积（grouped-convolution），但避免使用 Squeeze-and-excitement（SE）块。具体而言，它包括如下模型：EfficientNet-lite / MixNet / GhostNet / MobileNetV3
YOLOv4 包含如下三部分：
backbone网络：CSPDarknet53
Neck：SPP、PAN
Head：YOLOv3
具体而言，YOLO v4 使用了：
用于骨干网络的 Bag of Freebies（BoF）：CutMix 和 Mosaic 数据加强、DropBlock 正则化和类标签平滑；
用于骨干网络的 Bag of Specials（BoS）：Mish 激活、CSP 和多输入加权残差链接（MiWRC）；
用于检测器的 Bag of Freebies（BoF）：CIoU-loss、CmBN、DropBlock 正则化、Mosaic 数据加强、自对抗训练、消除网格敏感性（Eliminate grid sensitivity）、针对一个真值使用多个锚、余弦退火调度器、优化超参数和随机训练形状；
用于检测器的 Bag of Specials（BoS）：Mish 激活、SPP 块、SAM 块、PAN 路径聚合块和 DIoU-NMS。
为了使检测器更适合在单个 GPU 上进行训练，研究者还作出了如下额外的设计与改进：
提出新型数据加强方法 Mosaic 和自对抗训练（SAT）；
在应用遗传算法时选择最优超参数；
新型数据加强方法 Mosaic 混合了 4 张训练图像，而 CutMix 只混合了两张输入图像。
自对抗训练（SAT）也是一种新的数据加强方法，它包括两个阶段。第一个阶段中，神经网络更改原始图像；第二阶段中，训练神经网络以正常方式在修改后的图像上执行目标检测任务。
CmBN 是 CBN 的改进版，它仅收集单个批次内 mini-batch 之间的统计数据。
还将 SAM 从空间注意力机制（spatial-wise attention）修改成点注意力机制（point-wise attention），并将 PAN 中的捷径链接替换为级联：
YOLO v4 与其余 SOTA 目标检测器的对比结果以下图示。从图上能够看出，YOLOv4 位于帕累托最优曲线上，并在速度和准确性上都优于最快和最精准的检测器。
reference：
[1] https://blog.csdn.net/jningwei/article/details/80010567
[2] https://zhuanlan.zhihu.com/p/73606306?from_voters_page=true
[3] https://cloud.tencent.com/developer/article/1347518
[4] https://blog.csdn.net/jningwei/article/details/80022603
[5] https://tech.sina.com.cn/roll/2020-04-24/doc-iircuyvh9580271.shtml