haohaomua的博客

Bag of Specials (BoS) for detectorYOLOv4检测器的BoS特性包括：Mish activation modified SPP-block modified SAM-block modified PAN path-aggregation block DIoU-NMSDIoU-NMSNMS过滤掉预测相同对象的其他边界框，并保留具有最高可信度的边界框。DIoU(前面讨论过的)被用作非最大抑制(NMS)的一个因素。该方法在抑制冗余盒的同时，采用Io.

Bag of Freebies (BoF) for detectorYOLOv4检测器的BoF特性包括:CIoU-loss CmBN DropBlock regularization Mosaic data augmentation Self-Adversarial Training, Eliminate grid sensitivity, Using multiple anchors for a single ground truth Cosine annealing schedul

Bag of Specials (BoS) for backboneMish Activation Cross-stage partial connections (CSP), and Multi-input weighted residual connections (MiWRC)Mish activation我们假设激活函数是（如下图）对于一元或二元运算符有不同的候选函数(如余弦函数)。我们可以根据不同的任务(如分类)和数据集对这些函数进行随机猜测，并评估相应的模型性能。最后，我们

即使目标检测在过去几年开始成熟，竞争依然很激烈。如下图所示，YOLOv4声称拥有最先进的精度，同时保持高处理速度。在TeslaV100上，Yolov4在MS CoCo实现了43.5%的准确率（65.7% AP50）,并且在该精度下达到了约65FPS的速度。在目标检测中，检测精度不再是“圣杯”，我们希望模型能够平稳的在边缘设备上运行。如何用低成本的硬件对输入视频进行实时处理也变得非常重要。...

yolo1: Unified, Real-Time Object Detection参考：http://blog.youkuaiyun.com/u011534057/article/details/51244354https://zhuanlan.zhihu.com/p/24916786论文下载：http://arxiv.org/abs/1506.02640da...

https://blog.youkuaiyun.com/qq_35872456/article/details/84216129