YOLOv4网络详解

原创 已于 2022-04-29 16:40:52 修改 · 7.8k 阅读 · 30 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #深度学习 #神经网络 #图像处理

于 2022-04-21 09:01:25 首次发布
YOLOv4在YOLOv3基础上进行了多方面改进，包括引入CSPDarkNet53主干网络，使用Mish激活函数，以及采用SPP和PANet增强特征金字塔。训练技巧上，采用了Mosaic数据增强，CIoU损失函数和余弦退火学习率衰减。这些改进提升了目标检测的性能和效率。

0前言

在YOLOv4论文中，作者其实就是把当年所有的常用技术罗列了一遍，然后做了一堆消融实验。

1.YOLOV4的网络改进部分

1、主干特征提取网络：DarkNet53 => CSPDarkNet53、使用Mish激活函数

2、特征金字塔：SPP结构，PAN结构

1.1 主干特征提取网络CSPDarkNet53

1.1.1 CSP结构

在YOLOv3中使用的是Darknet53,而在YOLOv4中引入了CSP结构

CSP结构的作用：能够增强CNN的学习能力、移除计算瓶颈、降低显存的使用、加快网络的推理速度
在这里插入图片描述
CSPnet结构将原来的残差块的堆叠进行了一个拆分，拆成左右两部分：
主干部分继续进行原来的残差块的堆叠；
另一部分则像一个残差边一样，经过少量处理直接连接到最后。

残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
在这里插入图片描述
在YOLOv4中的CSP模块之前对进行下采样，然后将其输出以此通过两个1x1的卷积层进行降维，在Part1分支上再接上一系列的ResBlock、再通过一个1x1卷积层(即Transition)，然后通过concat拼接，最后通过1x1卷积层进行

最低0.47元/天 解锁文章
YOLO_V4 入手贴
驽马十驾，功在不舍；锲而不舍，金石可镂。
05-01 2238
YOLO_V4 学习
深入浅出之CSPBlock模块（YOLO）
浩瀚之水的专栏
09-19 6386
YOLO CSPX模块是YOLO系列算法中的一个重要组成部分，它通过跨阶段部分连接的方式减少了计算量，同时保证了模型的准确率。在YOLOv4及后续版本中，CSPX模块被广泛应用于主干网络和Neck结构中，为模型提供了强大的特征提取和融合能力。
YOLOX backbone——CSPDarknet的实现
牧羊女
06-22 1万+
YOLOX的主干网络分析
YOLOv4 全面解析：核心改进、数据增强与网络架构
最新发布
2302_76756558的博客
10-21 753
YOLO v4（You Only Look Once version 4）是计算机视觉领域中经典的实时目标检测算法，由 Alexey Bochkovskiy 等人于 2020 年提出。其核心目标是在保证检测速度的同时显著提升检测精度，实现 "速度与精度的平衡"，能够快速准确地识别图像或视频帧中多个目标的位置和类别，广泛应用于自动驾驶、安防监控、智能交通等实际场景。
Yolo系列之Yolov4的改进及网络框架
是十一月末的博客
03-29 1193
Yolo系列之Yolov4的改进及网络框架
【目标检测】YOLOv4特征提取网络——CSPDarkNet53结构解析及PyTorch实现
m0_47405013的博客
08-03 3306
主要对yolov4的backbone，用pytorch进行实现
33_YOLOv4网络详解
https://github.com/foxpup11?tab=repositories
07-21 1648
https://www.bilibili.com/video/BV1NF41147So/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac
YOLOv11 | 一文带你深入理解ultralytics最新作品yolov11的创新 | 训练、推理、验证、导出 （附网络结构图）
热门推荐
Snu77的博客
10-01 16万+
ultralytics发布了最新的作品YOLOv11，这一次YOLOv11的变化相对于ultralytics公司的上一代作品YOLOv8变化还是很大的（YOLOv9、YOLOv10均不是ultralytics公司作品），其中改变的位置涉及到C2f变为C3K2，在SPPF后面加了一层类似于注意力机制的C2PSA，还有一个变化大家从yaml文件是看不出来的就是它的检测头内部替换了两个DWConv，在损失函数方面就没有变化了还是采用的CIoU作为边界框回归损失，下面带大家深入理解一下ultralytics最新作品
YOLOv5网络详解
pyscl01的博客
11-17 1005
对YOLOv5网络（v6.1版本）进行详细详解。
万字详解YOLOv8网络结构Backbone/neck/head以及Conv、Bottleneck、C2f、SPPF、Detect等模块
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-26 11万+
YOLOv8是由Ultralytics开发的最先进的目标检测模型，推升了速度、准确性和用户友好性的界限。YOLO这一缩写代表“你只看一次”（You Only Look Once），通过在一次网络传递中同时预测所有边界框，提升了算法的效率和实时处理能力。相比之下，其他一些目标检测技术需要经过多个阶段或过程来完成检测。YOLOv8在流行的YOLOv5架构上进行了扩展，在多个方面提供了改进。
Yolov4网络结构图
popoffpopoff的博客
04-26 8629
结构图 目前官方放出的cfg配置文件网络结构为CSPDarknet53+PAnet-SPP+Yolov3 head 结构，根据权重文件做出的网络结构图如下：
yolov4.conv.rar
04-26
for yolov4.cfg, yolov4-custom.cfg (162 MB): yolov4.conv.137 AlexeyAB darknet
yolov4网络结构的理解
liguiyuan的博客
07-07 6940
1. yolov4网络整体结构 yolov4的网络组成模块： Backbone: CSPDarknet53 Neck: SPP, PAN Head: YOLOv3 下图是yolov4的整体结构： 2. CSPDarknet53主网络架构 CSPDarknet53网络是在Darknet53的基础上加入CSP。我们先了解一下CSPNet网络，CSP全称Cross Stage Partial，它可以增强CNN的学习能力，能够在轻量化、低计算量和低内存访问成本下有效提高准确率。（论文：https://arxiv.
yolov4的全面详解
笼中鸟
10-13 5万+
一. 前言 作者AlexeyAB大神！ YOLOv4 拥有43.5%mAP+65FPS ，达到了精度速度最优平衡, 作者团队：Alexey Bochkovskiy&中国台湾中央研究院 论文链接： https://arxiv.org/pdf/2004.10934.pdf 代码链接： https://github.com/AlexeyAB/darknet ———————————————— 在讲YOLOv4之前，先介绍一下两个包：Bag of Freebies(免费包)和Bag-of-...
【YOLOV4】(7) 特征提取网络代码复现（CSPDarknet53+SPP+PANet+Head），附Tensorflow完整代码
博观而约取，厚积而薄发
03-29 8940
各位同学好，今天和大家分享一下如何使用 TensorFlow 构建YOLOV4目标检测算法的特征提取网络。 完整代码在我的Gitee中，有需要的自取：https://gitee.com/dgvv4/yolo-target-detection/tree/master 1. CSPDarkNet53 CSPDarkNet53 骨干特征提取网络在 YOLOV3 的 DarkNet53网络 的基础上引入了 CSP结构。该结构增强了卷积神经网络的学习能力；移除了计算瓶颈；降低了显存的使用；加快了网络的推理速度。
网络解析----yolov4网络解析
writ的博客
06-02 1233
网络解析----yolov4解析
简单介绍YOLOv4
hardworkingTom的博客
10-12 612
YOLOv4 是一种强大的目标检测算法，具有高精度、快速检测、易于部署和可扩展性等优点。它在计算机视觉领域得到了广泛的应用，为目标检测任务提供了一种有效的解决方案。
YOLOV4-综述
daweq的博客
11-19 1320
从效果来看，三个图中，预测框和实际框的IOU是相同的，但是对于IOU损失和GIOU损失，他们的损失是相同的，但是明显的第三个图两个框的中心点重合的较好，是我们更想要的结果，这个时候使用DIOU损失函数明显更好。CIoU就是在DIoU的基础上增加了检测框尺度的loss，增加了长和宽的loss，这样预测框就会更加的符合真实框。然后再Concat拼接在一起。传统的IOU是要计算真实框和预测框的交并比，由于我们需要优化框，所以需要建立损失函数，但是传统的损失函数和IOU之间是不完全等价的。具体的可以看下图的演示。
YOLOv5中的CSP结构
tt丫的博客
01-21 7万+
深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 目录 一、背景知识 -- CSPNet 二、CSP结构分析 1、总括 2、CSP1_X结构 3、CSP2_X 三、源码分析（内含注释分析） 一、背景知识 -- CSPNet 有关CSPNet的介绍分析可以康康博主之前的博客 深度学习之CSPNet分析_tt丫的博客-优快云博客 二、CSP结构分析 1、总括 YOLOv5s的CSP结构是将原输入分成两个分支，分别进行
yolov4网络结构详解
01-25
总的来说，YOLOv4网络结构的设计充分考虑了骨干网络、特征金字塔和检测头的协同作用，通过引入CSP结构和Panet结构，以及采用多尺度训练和数据增强等策略，使得YOLOv4在目标检测任务上表现出了较高的准确性和实时性。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值