因?yàn)楣ぷ髟颍?xiàng)目中經(jīng)常遇到目標(biāo)檢測(cè)的任務(wù)，因此對(duì)目標(biāo)檢測(cè)算法會(huì)經(jīng)常使用和關(guān)注，比如Yolov3、Yolov4算法。

當(dāng)然，實(shí)際項(xiàng)目中很多的第一步，也都是先進(jìn)行目標(biāo)檢測(cè)任務(wù)，比如人臉識(shí)別、多目標(biāo)追蹤、REID、客流統(tǒng)計(jì)等項(xiàng)目。因此目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)項(xiàng)目中非常重要的一部分。

從2018年Yolov3年提出的兩年后，在原作者聲名放棄更新Yolo算法后，俄羅斯的Alexey大神扛起了Yolov4的大旗。

在此，大白將項(xiàng)目中，需要了解的Yolov3、Yolov4系列相關(guān)知識(shí)點(diǎn)以及相關(guān)代碼進(jìn)行完整的匯總，希望和大家共同學(xué)習(xí)探討。

1.論文匯總

Yolov3論文名：《Yolov3: An Incremental Improvement》 Yolov3論文地址：arxiv.org/pdf/1804.0276 Yolov4論文名：《Yolov4: Optimal Speed and Accuracy of Object Detection》 Yolov4論文地址：arxiv.org/pdf/2004.1093

2.YoloV3核心基礎(chǔ)內(nèi)容

2.1 網(wǎng)絡(luò)結(jié)構(gòu)可視化

Yolov3是目標(biāo)檢測(cè)Yolo系列非常非常經(jīng)典的算法，不過(guò)很多同學(xué)拿到Y(jié)olov3或者Yolov4的cfg文件時(shí)，并不知道如何直觀的可視化查看網(wǎng)絡(luò)結(jié)構(gòu)。如果純粹看cfg里面的內(nèi)容，肯定會(huì)一臉懵逼。 其實(shí)可以很方便的用netron查看Yolov3的網(wǎng)絡(luò)結(jié)構(gòu)圖，一目了然。 這里不多說(shuō)，如果需要安裝，可以移步大白的另一篇文章：《網(wǎng)絡(luò)可視化工具netron詳細(xì)安裝流程》。 如果不想安裝，也可以直接點(diǎn)擊此鏈接，查看Yolov3可視化流程圖。

2.2 網(wǎng)絡(luò)結(jié)構(gòu)圖

繪制網(wǎng)絡(luò)結(jié)構(gòu)圖受到Y(jié)olov3另一位作者文章的啟發(fā)，包括下面Yolov4的結(jié)構(gòu)圖，確實(shí)，從總體框架上先了解了Yolov3的流程，再針對(duì)去學(xué)習(xí)每一小塊的知識(shí)點(diǎn)，會(huì)事半功倍。 上圖三個(gè)藍(lán)色方框內(nèi)表示Yolov3的三個(gè)基本組件：

CBL：Yolov3網(wǎng)絡(luò)結(jié)構(gòu)中的最小組件，由Conv+Bn+Leaky_relu激活函數(shù)三者組成。

Res unit：借鑒Resnet網(wǎng)絡(luò)中的殘差結(jié)構(gòu)，讓網(wǎng)絡(luò)可以構(gòu)建的更深。

ResX：由一個(gè)CBL和X個(gè)殘差組件構(gòu)成，是Yolov3中的大組件。每個(gè)Res模塊前面的CBL都起到下采樣的作用，因此經(jīng)過(guò)5次Res模塊后，得到的特征圖是608->304->152->76->38->19大小。

其他基礎(chǔ)操作：

Concat：張量拼接，會(huì)擴(kuò)充兩個(gè)張量的維度，例如26*26*256和26*26*512兩個(gè)張量拼接，結(jié)果是26*26*768。Concat和cfg文件中的route功能一樣。

add：張量相加，張量直接相加，不會(huì)擴(kuò)充維度，例如104*104*128和104*104*128相加，結(jié)果還是104*104*128。add和cfg文件中的shortcut功能一樣。

Backbone中卷積層的數(shù)量： 每個(gè)ResX中包含1+2*X個(gè)卷積層，因此整個(gè)主干網(wǎng)絡(luò)Backbone中一共包含1+（1+2*1）+（1+2*2）+（1+2*8）+（1+2*8）+（1+2*4）=52，再加上一個(gè)FC全連接層，即可以組成一個(gè)Darknet53分類(lèi)網(wǎng)絡(luò)。不過(guò)在目標(biāo)檢測(cè)Yolov3中，去掉FC層，不過(guò)為了方便稱(chēng)呼，仍然把Yolov3的主干網(wǎng)絡(luò)叫做Darknet53結(jié)構(gòu)。

2.3核心基礎(chǔ)內(nèi)容

Yolov3是2018年發(fā)明提出的，這成為了目標(biāo)檢測(cè)one-stage中非常經(jīng)典的算法，包含Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)、anchor錨框、FPN等非常優(yōu)秀的結(jié)構(gòu)。 本文主要目的在于描述Yolov4和Yolov3算法的不同及創(chuàng)新之處，對(duì)Yolov3的基礎(chǔ)不過(guò)多描述。 不過(guò)大白也正在準(zhǔn)備Yolov3算法非常淺顯易懂的基礎(chǔ)視頻課程，讓小白也能簡(jiǎn)單清楚的了解Yolov3的整個(gè)過(guò)程及各個(gè)算法細(xì)節(jié)，制作好后會(huì)更新到此處，便于大家查看。 在準(zhǔn)備課程過(guò)程中，大白搜集查看了網(wǎng)絡(luò)上幾乎所有的Yolov3資料，在此整理幾個(gè)非常不錯(cuò)的文章及視頻，大家也可以點(diǎn)擊查看，學(xué)習(xí)相關(guān)知識(shí)。 （1）視頻：吳恩達(dá)目標(biāo)檢測(cè)Yolo入門(mén)講解 https://www.bilibili.com/video/BV1N4411J7Y6?from=search&seid=18074481568368507115 （2）文章：Yolo系列之Yolov3【深度解析】 https://blog.csdn.net/leviopku/article/details/82660381 （3）文章：一文看懂Yolov3 https://blog.csdn.net/litt1e/article/details/88907542 相信大家看完，對(duì)于Yolov3的基礎(chǔ)知識(shí)點(diǎn)會(huì)有一定的了解。

3.YoloV3相關(guān)代碼

3.1 python代碼

代碼地址：https://github.com/ultralytics/Yolov3

3.2 C++代碼

這里推薦Yolov4作者的darknetAB代碼，代碼和原始作者代碼相比，進(jìn)行了很多的優(yōu)化，如需要運(yùn)行Yolov3網(wǎng)絡(luò)，加載cfg時(shí)，使用Yolov3.cfg即可 代碼地址：https://github.com/AlexeyAB/darknet

3.3 python版本的Tensorrt代碼

除了算法研究外，實(shí)際項(xiàng)目中還需要將算法落地部署到工程上使用，比如GPU服務(wù)器使用時(shí)還需要對(duì)模型進(jìn)行tensorrt加速。

（1）Tensort中的加速案例

強(qiáng)烈推薦tensort軟件中，自帶的Yolov3加速案例，路徑位于tensorrt解壓文件夾的TensortX/samples/python/Yolov3_onnx中 針對(duì)案例中的代碼，如果有不明白的，也可參照下方文章上的詳細(xì)說(shuō)明： 代碼地址：https://www.cnblogs.com/shouhuxianjian/p/10550262.html

（2）Github上的tensorrt加速

除了tensorrt軟件中的代碼， github上也有其他作者的開(kāi)源代碼 代碼地址：https://github.com/lewes6369/TensorRT-Yolov3

3.4C++版本的Tensorrt代碼

項(xiàng)目的工程部署上，如果使用C++版本進(jìn)行Tensorrt加速，一方面可以參照Alexey的github代碼，另一方面也可以參照下面其他作者的開(kāi)源代碼 代碼地址：https://github.com/wang-xinyu/tensorrtx/tree/master/Yolov3

4.YoloV4核心基礎(chǔ)內(nèi)容

4.1 網(wǎng)絡(luò)結(jié)構(gòu)可視化

Yolov4的網(wǎng)絡(luò)結(jié)構(gòu)也可以使用netron工具查看，大白也是對(duì)照其展示的可視化流程圖繪制的下方網(wǎng)絡(luò)結(jié)構(gòu)圖。 netron可視化顯示Yolov4網(wǎng)絡(luò)結(jié)構(gòu)可以參照大白的另一篇文章：《netron可視化網(wǎng)絡(luò)結(jié)構(gòu)詳細(xì)安裝流程》 如果不想安裝，也可以直接點(diǎn)擊此鏈接，查看Yolov4可視化流程圖。

4.2 網(wǎng)絡(luò)結(jié)構(gòu)圖

Yolov4的結(jié)構(gòu)圖和Yolov3相比，因?yàn)槎嗔薈SP結(jié)構(gòu)，PAN結(jié)構(gòu)，如果單純看可視化流程圖，會(huì)覺(jué)得很繞，不過(guò)在繪制出上面的圖形后，會(huì)覺(jué)得豁然開(kāi)朗，其實(shí)整體架構(gòu)和Yolov3是相同的，不過(guò)使用各種新的算法思想對(duì)各個(gè)子結(jié)構(gòu)都進(jìn)行了改進(jìn)。 先整理下Yolov4的五個(gè)基本組件：

CBM：Yolov4網(wǎng)絡(luò)結(jié)構(gòu)中的最小組件，由Conv+Bn+Mish激活函數(shù)三者組成。

CBL：由Conv+Bn+Leaky_relu激活函數(shù)三者組成。

Res unit：借鑒Resnet網(wǎng)絡(luò)中的殘差結(jié)構(gòu)，讓網(wǎng)絡(luò)可以構(gòu)建的更深。

CSPX：借鑒CSPNet網(wǎng)絡(luò)結(jié)構(gòu)，由三個(gè)卷積層和X個(gè)Res unint模塊Concate組成。

SPP：采用1×1，5×5，9×9，13×13的最大池化的方式，進(jìn)行多尺度融合。

其他基礎(chǔ)操作：

Concat：張量拼接，維度會(huì)擴(kuò)充，和Yolov3中的解釋一樣，對(duì)應(yīng)于cfg文件中的route操作。

add：張量相加，不會(huì)擴(kuò)充維度，對(duì)應(yīng)于cfg文件中的shortcut操作。

Backbone中卷積層的數(shù)量： 和Yolov3一樣，再來(lái)數(shù)一下Backbone里面的卷積層數(shù)量。 每個(gè)CSPX中包含3+2*X個(gè)卷積層，因此整個(gè)主干網(wǎng)絡(luò)Backbone中一共包含2+（3+2*1）+2+（3+2*2）+2+（3+2*8）+2+（3+2*8）+2+（3+2*4）+1=72。 這里大白有些疑惑，按照Yolov3設(shè)計(jì)的傳統(tǒng)，這么多卷積層，主干網(wǎng)絡(luò)不應(yīng)該叫CSPDaeknet73嗎？？？？

4.3 核心基礎(chǔ)內(nèi)容

Yolov4本質(zhì)上和Yolov3相差不大，可能有些人會(huì)覺(jué)得失望。 但我覺(jué)得算法創(chuàng)新分為三種方式：

第一種：面目一新的創(chuàng)新，比如Yolov1、Faster-RCNN、Centernet等，開(kāi)創(chuàng)出新的算法領(lǐng)域，不過(guò)這種也是最難的

第二種：守正出奇的創(chuàng)新，比如將圖像金字塔改進(jìn)為特征金字塔

第三種：各種先進(jìn)算法集成的創(chuàng)新，比如不同領(lǐng)域發(fā)表的最新論文的tricks，集成到自己的算法中，卻發(fā)現(xiàn)有出乎意料的改進(jìn)

Yolov4既有第二種也有第三種創(chuàng)新，組合嘗試了大量深度學(xué)習(xí)領(lǐng)域最新論文的20多項(xiàng)研究成果，而且不得不佩服的是作者Alexey在github代碼庫(kù)維護(hù)的頻繁程度。 目前Yolov4代碼的star數(shù)量已經(jīng)1萬(wàn)多，據(jù)我所了解，目前超過(guò)這個(gè)數(shù)量的，目標(biāo)檢測(cè)領(lǐng)域只有Facebook的Detectron(v1-v2)、和Yolo(v1-v3)官方代碼庫(kù)（已停止更新）。 所以Yolov4中的各種創(chuàng)新方式，大白覺(jué)得還是很值得仔細(xì)研究的。 為了便于分析，將Yolov4的整體結(jié)構(gòu)拆分成四大板塊：

大白主要從以上4個(gè)部分對(duì)YoloV4的創(chuàng)新之處進(jìn)行講解，讓大家一目了然。

輸入端：這里指的創(chuàng)新主要是訓(xùn)練時(shí)對(duì)輸入端的改進(jìn)，主要包括Mosaic數(shù)據(jù)增強(qiáng)、cmBN、SAT自對(duì)抗訓(xùn)練

BackBone主干網(wǎng)絡(luò)：將各種新的方式結(jié)合起來(lái)，包括：CSPDarknet53、Mish激活函數(shù)、Dropblock

Neck：目標(biāo)檢測(cè)網(wǎng)絡(luò)在BackBone和最后的輸出層之間往往會(huì)插入一些層，比如Yolov4中的SPP模塊、FPN+PAN結(jié)構(gòu)

Prediction：輸出層的錨框機(jī)制和Yolov3相同，主要改進(jìn)的是訓(xùn)練時(shí)的損失函數(shù)CIOU_Loss，以及預(yù)測(cè)框篩選的nms變?yōu)镈IOU_nms

總體來(lái)說(shuō)，Yolov4對(duì)Yolov3的各個(gè)部分都進(jìn)行了改進(jìn)優(yōu)化，下面丟上作者的算法對(duì)比圖。

僅對(duì)比Yolov3和Yolov4，在COCO數(shù)據(jù)集上，同樣的FPS等于83左右時(shí)，Yolov4的AP是43，而Yolov3是33，直接上漲了10個(gè)百分點(diǎn)。 不得不服，當(dāng)然可能針對(duì)具體不同的數(shù)據(jù)集效果也不一樣，但總體來(lái)說(shuō)，改進(jìn)效果是很優(yōu)秀的，下面大白對(duì)Yolov4的各個(gè)創(chuàng)新點(diǎn)繼續(xù)進(jìn)行深挖。

4.3.1 輸入端創(chuàng)新

考慮到很多同學(xué)GPU顯卡數(shù)量并不是很多，Yolov4對(duì)訓(xùn)練時(shí)的輸入端進(jìn)行改進(jìn)，使得訓(xùn)練在單張GPU上也能有不錯(cuò)的成績(jī)。比如數(shù)據(jù)增強(qiáng)Mosaic、cmBN、SAT自對(duì)抗訓(xùn)練。 但感覺(jué)cmBN和SAT影響并不是很大，所以這里主要講解Mosaic數(shù)據(jù)增強(qiáng)。

（1）Mosaic數(shù)據(jù)增強(qiáng)

Yolov4中使用的Mosaic是參考2019年底提出的CutMix數(shù)據(jù)增強(qiáng)的方式，但CutMix只使用了兩張圖片進(jìn)行拼接，而Mosaic數(shù)據(jù)增強(qiáng)則采用了4張圖片，隨機(jī)縮放、隨機(jī)裁剪、隨機(jī)排布的方式進(jìn)行拼接。

這里首先要了解為什么要進(jìn)行Mosaic數(shù)據(jù)增強(qiáng)呢？ 在平時(shí)項(xiàng)目訓(xùn)練時(shí)，小目標(biāo)的AP一般比中目標(biāo)和大目標(biāo)低很多。而Coco數(shù)據(jù)集中也包含大量的小目標(biāo)，但比較麻煩的是小目標(biāo)的分布并不均勻。 首先看下小、中、大目標(biāo)的定義：
2019年發(fā)布的論文《Augmentation for small object detection》對(duì)此進(jìn)行了區(qū)分：

可以看到小目標(biāo)的定義是目標(biāo)框的長(zhǎng)寬0×0~32×32之間的物體。

但在整體的數(shù)據(jù)集中，小、中、大目標(biāo)的占比并不均衡。
如上表所示，Coco數(shù)據(jù)集中小目標(biāo)占比達(dá)到41.4%，數(shù)量比中目標(biāo)和大目標(biāo)都要多。 但在所有的訓(xùn)練集圖片中，只有52.3%的圖片有小目標(biāo)，而中目標(biāo)和大目標(biāo)的分布相對(duì)來(lái)說(shuō)更加均勻一些。 針對(duì)這種狀況，Yolov4的作者采用了Mosaic數(shù)據(jù)增強(qiáng)的方式。 主要有幾個(gè)優(yōu)點(diǎn)：

豐富數(shù)據(jù)集：隨機(jī)使用4張圖片，隨機(jī)縮放，再隨機(jī)分布進(jìn)行拼接，大大豐富了檢測(cè)數(shù)據(jù)集，特別是隨機(jī)縮放增加了很多小目標(biāo)，讓網(wǎng)絡(luò)的魯棒性更好。

減少GPU：可能會(huì)有人說(shuō)，隨機(jī)縮放，普通的數(shù)據(jù)增強(qiáng)也可以做，但作者考慮到很多人可能只有一個(gè)GPU，因此Mosaic增強(qiáng)訓(xùn)練時(shí)，可以直接計(jì)算4張圖片的數(shù)據(jù)，使得Mini-batch大小并不需要很大，一個(gè)GPU就可以達(dá)到比較好的效果。

此外，發(fā)現(xiàn)另一研究者的訓(xùn)練方式也值得借鑒，采用的數(shù)據(jù)增強(qiáng)和Mosaic比較類(lèi)似，也是使用4張圖片（不是隨機(jī)分布），但訓(xùn)練計(jì)算loss時(shí)，采用“缺啥補(bǔ)啥”的思路： 如果上一個(gè)iteration中，小物體產(chǎn)生的loss不足（比如小于某一個(gè)閾值），則下一個(gè)iteration就用拼接圖；否則就用正常圖片訓(xùn)練，也很有意思。 參考鏈接：https://www.zhihu.com/question/390191723?rf=390194081

4.3.2 BackBone創(chuàng)新

（1）CSPDarknet53

CSPDarknet53是在Yolov3主干網(wǎng)絡(luò)Darknet53的基礎(chǔ)上，借鑒2019年CSPNet的經(jīng)驗(yàn)，產(chǎn)生的Backbone結(jié)構(gòu)，其中包含了5個(gè)CSP模塊。

這里因?yàn)镃SP模塊比較長(zhǎng)，不放到本處，大家也可以點(diǎn)擊Yolov4的netron網(wǎng)絡(luò)結(jié)構(gòu)圖，對(duì)比查看，一目了然。 每個(gè)CSP模塊前面的卷積核的大小都是3*3，因此可以起到下采樣的作用。 因?yàn)锽ackbone有5個(gè)CSP模塊，輸入圖像是608*608，所以特征圖變化的規(guī)律是：608->304->152->76->38->19 經(jīng)過(guò)5次CSP模塊后得到19*19大小的特征圖。 而且作者只在Backbone中采用了Mish激活函數(shù)，網(wǎng)絡(luò)后面仍然采用Leaky_relu激活函數(shù)。 我們?cè)倏纯聪伦髡邽樯兑獏⒖?019年的CSPNet，采用CSP模塊？ CSPNet論文地址：arxiv.org/pdf/1911.1192 CSPNet全稱(chēng)是Cross Stage Paritial Network，主要從網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的角度解決推理中從計(jì)算量很大的問(wèn)題。 CSPNet的作者認(rèn)為推理計(jì)算過(guò)高的問(wèn)題是由于網(wǎng)絡(luò)優(yōu)化中的梯度信息重復(fù)導(dǎo)致的。 因此采用CSP模塊先將基礎(chǔ)層的特征映射劃分為兩部分，然后通過(guò)跨階段層次結(jié)構(gòu)將它們合并，在減少了計(jì)算量的同時(shí)可以保證準(zhǔn)確率。 因此Yolov4在主干網(wǎng)絡(luò)Backbone采用CSPDarknet53網(wǎng)絡(luò)結(jié)構(gòu)，主要有三個(gè)方面的優(yōu)點(diǎn)： 優(yōu)點(diǎn)一：增強(qiáng)CNN的學(xué)習(xí)能力，使得在輕量化的同時(shí)保持準(zhǔn)確性。 優(yōu)點(diǎn)二：降低計(jì)算瓶頸 優(yōu)點(diǎn)三：降低內(nèi)存成本

（2）Mish激活函數(shù)

Mish激活函數(shù)是2019年下半年提出的激活函數(shù) 論文地址：arxiv.org/abs/1908.0868 和Leaky_relu激活函數(shù)的圖形對(duì)比如下：

Yolov4的Backbone中都使用了Mish激活函數(shù)，而后面的網(wǎng)絡(luò)則還是使用leaky_relu函數(shù)。

Yolov4作者實(shí)驗(yàn)測(cè)試時(shí)，使用CSPDarknet53網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上做圖像分類(lèi)任務(wù)，發(fā)現(xiàn)使用了Mish激活函數(shù)的TOP-1和TOP-5的精度比沒(méi)有使用時(shí)都略高一些。 因此在設(shè)計(jì)Yolov4目標(biāo)檢測(cè)任務(wù)時(shí)，主干網(wǎng)絡(luò)Backbone還是使用Mish激活函數(shù)。

（3）Dropblock

Yolov4中使用的Dropblock，其實(shí)和常見(jiàn)網(wǎng)絡(luò)中的Dropout功能類(lèi)似，也是緩解過(guò)擬合的一種正則化方式。 Dropblock在2018年提出，論文地址：arxiv.org/pdf/1810.1289 傳統(tǒng)的Dropout很簡(jiǎn)單，一句話就可以說(shuō)的清：隨機(jī)刪除減少神經(jīng)元的數(shù)量，使網(wǎng)絡(luò)變得更簡(jiǎn)單。

中間Dropout的方式會(huì)隨機(jī)的刪減丟棄一些信息，但Dropblock的研究者認(rèn)為，卷積層對(duì)于這種隨機(jī)丟棄并不敏感，因?yàn)榫矸e層通常是三層連用：卷積+激活+池化層，池化層本身就是對(duì)相鄰單元起作用。而且即使隨機(jī)丟棄，卷積層仍然可以從相鄰的激活單元學(xué)習(xí)到相同的信息。 因此，在全連接層上效果很好的Dropout在卷積層上效果并不好。 所以右圖Dropblock的研究者則干脆整個(gè)局部區(qū)域進(jìn)行刪減丟棄。 這種方式其實(shí)是借鑒2017年的cutout數(shù)據(jù)增強(qiáng)的方式，cutout是將輸入圖像的部分區(qū)域清零，而Dropblock則是將Cutout應(yīng)用到每一個(gè)特征圖。而且并不是用固定的歸零比率，而是在訓(xùn)練時(shí)以一個(gè)小的比率開(kāi)始，隨著訓(xùn)練過(guò)程線性的增加這個(gè)比率。

Dropblock的研究者與Cutout進(jìn)行對(duì)比驗(yàn)證時(shí)，發(fā)現(xiàn)有幾個(gè)特點(diǎn)： 優(yōu)點(diǎn)一：Dropblock的效果優(yōu)于Cutout 優(yōu)點(diǎn)二：Cutout只能作用于輸入層，而Dropblock則是將Cutout應(yīng)用到網(wǎng)絡(luò)中的每一個(gè)特征圖上 優(yōu)點(diǎn)三：Dropblock可以定制各種組合，在訓(xùn)練的不同階段可以修改刪減的概率，從空間層面和時(shí)間層面，和Cutout相比都有更精細(xì)的改進(jìn)。 Yolov4中直接采用了更優(yōu)的Dropblock，對(duì)網(wǎng)絡(luò)的正則化過(guò)程進(jìn)行了全面的升級(jí)改進(jìn)。

4.3.3 Neck創(chuàng)新

在目標(biāo)檢測(cè)領(lǐng)域，為了更好的提取融合特征，通常在Backbone和輸出層，會(huì)插入一些層，這個(gè)部分稱(chēng)為Neck。相當(dāng)于目標(biāo)檢測(cè)網(wǎng)絡(luò)的頸部，也是非常關(guān)鍵的。 Yolov4的Neck結(jié)構(gòu)主要采用了SPP模塊、FPN+PAN的方式。

（1）SPP模塊

SPP模塊，其實(shí)在Yolov3中已經(jīng)存在了，在Yolov4的C++代碼文件夾中有一個(gè)Yolov3_spp版本，但有的同學(xué)估計(jì)從來(lái)沒(méi)有使用過(guò)，在Yolov4中，SPP模塊仍然是在Backbone主干網(wǎng)絡(luò)之后：

作者在SPP模塊中，使用k={1*1,5*5,9*9,13*13}的最大池化的方式，再將不同尺度的特征圖進(jìn)行Concat操作。

在《DC-SPP-Yolo》文章： 也對(duì)Yolo目標(biāo)檢測(cè)的SPP模塊進(jìn)行了對(duì)比測(cè)試。 和Yolov4作者的研究相同，采用SPP模塊的方式，比單純的使用k*k最大池化的方式，更有效的增加主干特征的接收范圍，顯著的分離了最重要的上下文特征。 Yolov4的作者在使用608*608大小的圖像進(jìn)行測(cè)試時(shí)發(fā)現(xiàn)，在COCO目標(biāo)檢測(cè)任務(wù)中，以0.5%的額外計(jì)算代價(jià)將AP50增加了2.7%，因此Yolov4中也采用了SPP模塊。

（2）FPN+PAN

PAN結(jié)構(gòu)比較有意思，看了網(wǎng)上Yolov4關(guān)于這個(gè)部分的講解，大多都是講的比較籠統(tǒng)的，而PAN是借鑒圖像分割領(lǐng)域PANet的創(chuàng)新點(diǎn)，有些同學(xué)可能不是很清楚。 下面大白將這個(gè)部分拆解開(kāi)來(lái)，看下Yolov4中是如何設(shè)計(jì)的。 Yolov3結(jié)構(gòu)： 我們先來(lái)看下Yolov3中Neck的FPN結(jié)構(gòu)

可以看到經(jīng)過(guò)幾次下采樣，三個(gè)紫色箭頭指向的地方，輸出分別是76*76、38*38、19*19。 以及最后的Prediction中用于預(yù)測(cè)的三個(gè)特征圖①19*19*255、②38*38*255、③76*76*255。 我們將Neck部分用立體圖畫(huà)出來(lái)，更直觀的看下兩部分之間是如何通過(guò)FPN結(jié)構(gòu)融合的。

如圖所示，F(xiàn)PN是自頂向下的，將高層的特征信息通過(guò)上采樣的方式進(jìn)行傳遞融合，得到進(jìn)行預(yù)測(cè)的特征圖。 Yolov4結(jié)構(gòu)： 而Yolov4中Neck這部分除了使用FPN外，還在此基礎(chǔ)上使用了PAN結(jié)構(gòu)：

前面CSPDarknet53中講到，每個(gè)CSP模塊前面的卷積核都是3*3大小，相當(dāng)于下采樣操作。 因此可以看到三個(gè)紫色箭頭處的特征圖是76*76、38*38、19*19。 以及最后Prediction中用于預(yù)測(cè)的三個(gè)特征圖：①76*76*255，②38*38*255，③19*19*255。 我們也看下Neck部分的立體圖像，看下兩部分是如何通過(guò)FPN+PAN結(jié)構(gòu)進(jìn)行融合的。

和Yolov3的FPN層不同，Yolov4在FPN層的后面還添加了一個(gè)自底向上的特征金字塔。 其中包含兩個(gè)PAN結(jié)構(gòu)。 這樣結(jié)合操作，F(xiàn)PN層自頂向下傳達(dá)強(qiáng)語(yǔ)義特征，而特征金字塔則自底向上傳達(dá)強(qiáng)定位特征，兩兩聯(lián)手，從不同的主干層對(duì)不同的檢測(cè)層進(jìn)行參數(shù)聚合,這樣的操作確實(shí)很皮。 FPN+PAN借鑒的是18年CVPR的PANet，當(dāng)時(shí)主要應(yīng)用于圖像分割領(lǐng)域，但Alexey將其拆分應(yīng)用到Y(jié)olov4中，進(jìn)一步提高特征提取的能力。 不過(guò)這里需要注意幾點(diǎn)： 注意一： Yolov3的FPN層輸出的三個(gè)大小不一的特征圖①②③直接進(jìn)行預(yù)測(cè) 但Yolov4的FPN層，只使用最后的一個(gè)76*76特征圖①，而經(jīng)過(guò)兩次PAN結(jié)構(gòu)，輸出預(yù)測(cè)的特征圖②和③。 這里的不同也體現(xiàn)在cfg文件中，這一點(diǎn)有很多同學(xué)之前不太明白， 比如Yolov3.cfg最后的三個(gè)Yolo層， 第一個(gè)Yolo層是最小的特征圖19*19，mask=6,7,8，對(duì)應(yīng)最大的anchor box。 第二個(gè)Yolo層是中等的特征圖38*38，mask=3,4,5，對(duì)應(yīng)中等的anchor box。 第三個(gè)Yolo層是最大的特征圖76*76，mask=0,1,2，對(duì)應(yīng)最小的anchor box。 而Yolov4.cfg則恰恰相反 第一個(gè)Yolo層是最大的特征圖76*76，mask=0,1,2，對(duì)應(yīng)最小的anchor box。 第二個(gè)Yolo層是中等的特征圖38*38，mask=3,4,5，對(duì)應(yīng)中等的anchor box。 第三個(gè)Yolo層是最小的特征圖19*19，mask=6,7,8，對(duì)應(yīng)最大的anchor box。 注意點(diǎn)二： 原本的PANet網(wǎng)絡(luò)的PAN結(jié)構(gòu)中，兩個(gè)特征圖結(jié)合是采用shortcut操作，而Yolov4中則采用concat（route）操作，特征圖融合后的尺寸發(fā)生了變化。

這里也可以對(duì)應(yīng)Yolov4的netron網(wǎng)絡(luò)圖查看，很有意思。

5.YoloV4相關(guān)代碼

5.1 python代碼

代碼地址：https://github.com/Tianxiaomo/pytorch-Yolov4 作者的訓(xùn)練和測(cè)試推理代碼都已經(jīng)完成

5.2 C++代碼

Yolov4作者Alexey的代碼，俄羅斯的大神，應(yīng)該是個(gè)獨(dú)立研究員，更新算法的頻繁程度令人佩服。 在Yolov3作者Joseph Redmon宣布停止更新Yolo算法之后，Alexey憑借對(duì)于Yolov3算法的不斷探索研究，贏得了Yolov3作者的認(rèn)可，發(fā)布了Yolov4。 代碼地址：https://github.com/AlexeyAB/darknet

5.3 python版本的Tensorrt代碼

目前測(cè)試有效的有tensorflow版本：weights->pb->trt 代碼地址：https://github.com/hunglc007/tensorflow-Yolov4-tflite

5.4 C++版本的Tensorrtrt代碼

代碼地址：https://github.com/wang-xinyu/tensorrtx/tree/master/Yolov4 作者自定義了mish激活函數(shù)的plugin層，Tensorrt加速后速度還是挺快的。

6.相關(guān)數(shù)據(jù)集下載

項(xiàng)目中，目標(biāo)檢測(cè)算法應(yīng)該的非常多非常多，比如人臉識(shí)別，比如疫情期間的口罩人臉識(shí)別，比如車(chē)流統(tǒng)計(jì)，人流統(tǒng)計(jì)等等。 因此大白也會(huì)將不錯(cuò)的值得一試的目標(biāo)檢測(cè)數(shù)據(jù)集匯總到此處，方便需要的同學(xué)進(jìn)行下載。

6.1 口罩遮擋人臉數(shù)據(jù)集

數(shù)據(jù)集詳情：由武漢大學(xué)多媒體研究中心發(fā)起，目前是全球最大的口罩遮擋人臉數(shù)據(jù)集。 分為真實(shí)口罩人臉和模擬口罩人臉兩部分，真實(shí)口罩人臉包含525人的5000張口罩人臉和9萬(wàn)張正常人臉。模擬口罩人臉包含1萬(wàn)個(gè)人共50萬(wàn)張模擬人臉數(shù)據(jù)集。 應(yīng)用項(xiàng)目：人臉檢測(cè)、人臉識(shí)別 數(shù)據(jù)集地址：https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset

6.2 Wider Face人臉數(shù)據(jù)集

數(shù)據(jù)集詳情：香港中文大學(xué)發(fā)起的，包含3萬(wàn)張圖片共40萬(wàn)張人臉。 應(yīng)用項(xiàng)目：人臉檢測(cè) 數(shù)據(jù)集地址：http://shuoyang1213.me/WIDERFACE/WiderFace_Results.html

6.3 Wider Person擁擠場(chǎng)景行人數(shù)據(jù)集

數(shù)據(jù)集詳情：多種場(chǎng)景比較擁擠場(chǎng)景的行人檢測(cè)數(shù)據(jù)集，包含13382張圖片，共計(jì)40萬(wàn)個(gè)不同遮擋程度的人體。 應(yīng)用項(xiàng)目：人體檢測(cè) 數(shù)據(jù)集地址：http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson/ 因?yàn)楣ぷ髟颍瑫?huì)搜集大量的各類(lèi)公開(kāi)應(yīng)用場(chǎng)景數(shù)據(jù)集，如果有同學(xué)需要其他場(chǎng)景或者其他項(xiàng)目的，也可以留言，或者發(fā)送郵件到j(luò)iangdabai@126.com，也會(huì)將對(duì)應(yīng)的數(shù)據(jù)集更新到此處。

7.不斷更新ing

在深度學(xué)習(xí)的圖像領(lǐng)域，肯定會(huì)涉及目標(biāo)檢測(cè)，而在目標(biāo)檢測(cè)中，Yolov3是非常經(jīng)典，必須要學(xué)習(xí)的算法，有些同學(xué)，特別新接觸的同學(xué)，剛學(xué)習(xí)時(shí)會(huì)覺(jué)得yolo算法很繁瑣。 但我發(fā)現(xiàn)，網(wǎng)上很多的教程其實(shí)講的還是比較籠統(tǒng)，并不適合小白學(xué)習(xí)。 所以大白也在耗盡洪荒之力，在準(zhǔn)備Yolov3和Yolov4及相關(guān)的基礎(chǔ)入門(mén)視頻，讓大家看完就能明白整體的流程和各種算法細(xì)節(jié)，大家可以先收藏，后期制作好后會(huì)更新到此處。 希望和大家一起努力，在人工智能深度學(xué)習(xí)領(lǐng)域一起進(jìn)步，一起提升，一起變強(qiáng)！

審核編輯：黃飛