YOLOv4 - note

arxiv.org/abs/2004.10934 -> translation: https://tongtianta.site/paper/89863

提高accuracy的通用功能：加权残差链接（WRC）、跨阶段部分连接（CSP）、跨小批量标准化（CmBN）、自对抗训练（SAT）、Mish-activation。

本文结合WRC、CSP、CmBN、SAT、Mish-activation、镶嵌数据增强（augmentation mosaic）、DropBlock regularization、CIoU loss

bags of freebies

数据增强：

• photomatric distortion-> 调整图像亮度，对比度，色相，饱和度和噪点
• geometric distortion -> 随机缩放，裁剪，翻转和旋转

模拟对象遮挡：

• random erase、CutOut -> 随机选择图像中的矩形区域填充为0的随机或互补值
• hide-and-seek、grid mask -> 随机或均匀地选择图像中的多个矩形区域替换为全0

类似概念应用于feature map有：DropOut、DropConnect、DropBlock

DIoU考虑了对象中心的距离、CIoU同时考虑了重叠区域 -> 更好的收敛速度和准确性

bags of specials

plugin modules：

• 增强接收域：SPP、ASPP、RFB
• 引入注意力机制（channel-wise、point-wise）：Squeeze-and-Excitation(SE)、Spatial Attention Module(SAM)
• 集成特征：SFAM、ASFF、BiFPN
• 激活函数：LReLU、PReLU、ReLU6、SELU、Swish、hard-Swish、Mish

post-processing：DIoU NMS

架构选择

CSPDarknet53、CSPResNext50