yolo系列笔记（v4-v5）

YOLOv4

YOLOv4网络详解_哔哩哔哩_bilibili

网络结构，在Yolov3的Darknet的基础上增加了CSP结构。

CSP的优点：

加强CNN的学习能力

去除计算瓶颈。

减少显存的消耗。

结构为：

、

 其实还是类似与残差网络的结构，保留下采样之前的特征和下采样之后的特征进行拼接，让模型的特征信息能够更全面。

SPP

 PAN结构

 FPN是将特征层向下累加，这样对于任意特征层来说，他是看不到其下面特征层的信息的，PAN在FPN的基础上，采取了个向上加的功能，让特征层包含的信息更全面。 有点类似RNN单向叠加的感觉。  这里注意，Yolov4将叠加操作改成了concat拼接。

优化策略

针对前作中的预测框定位的问题。

     

 如果GT真实框真好落在边界点， 预测值txty想预测这个边界点的话取值需要趋向于无穷，这显然是很难达到的，所以在v4和v5中对做了一点改进：

 问题：这里我个人觉得有点矛盾，因为用sigmoid函数的目的就是为了限制0~1（在一个cell之内）但是这么改进了之后又限制不了了，哪怕是做截断感觉也没啥意义，为啥不用一个简单的函数做映射呢？（下面会做解释）

 正负样本分配：

通过计算GT真实框与预设anchor框的IOU来判断正负样本，对于yolov3来说，只采用与GT的IOU最大的anchor作为正样本，Yolov4改成了只要满足IOU大于阈值，那么都是正样本， 这样做扩充了正样本的数量。

 这里有个改动，Yolov4提出，为了消除grid cell的敏感度，同时也为了扩展正样本数量，落在某个cell内的GT真实框还可能被其周围cell来预测，

因为现在的映射函数改成了：，所以其范围是（-1.5，1.5）相当于以左上角的点作为起点的话，预测框是可以超出一个cell的距离的， 像下图3个cell都可以对黑点这个真实框做预测，相当于扩充了正样本的数量，让预测框不被cell限制的那么死。

 YOLOV5

YOLOv5网络详解_哔哩哔哩_bilibili

 SPP->SPPF

SPP

SPPF

2个k=5的Maxpooling可以等同于一个k=9的Maxpooling，3个k+5等于K=9， SPPF和SPP效果是一样的，但是效率高很多

数据增强

Mosaic：4个拼成一个

copy paste: 将图像抠出来贴到另一张上

Rand affine :随机的缩放，平移等。

 MIXup: 调整透明度后叠加

 Augment HSV： 调整色度，饱和度等

 训练策略

 损失函数

 消除grid敏感度

这个基本和Yolov4中的一样，但Yolov5将长和宽也进行的改动，之前的容易出现指数爆炸，造成BwBh值过大，导致训练不稳定 

匹配正样本

Yolov4匹配正样本是通过IOU的阈值是否大于某个预设值来判断是否为正样本，Yolov5在v4的基础上进一步对框的长宽进行限制，下图Rmax是预测框和真实框长宽比值的最大值，当这个最大值超出限制时则将样本设置为负。