超级会员免费看
YOLOv4在输入、BackBone、数据增强等方面进行了多项改进，如Mosaic数据增强、CSP Darknet53、Dropblock等。通过Sppnet、CBAM和PAN提升特征提取和注意力机制，优化模型性能。
文章目录
总结
前几篇文章总结了一些1,2，3的特征，基本上v3 也是当前应用最广泛的了。
接下来说说v4
改进
输入的改进
- 数据的增强： Mosaic数据增强
Mosaic：进行了数据随机缩放、随机裁剪、随机排布的方式进行拼接。
优点： 丰富数据集，减少GPU
Sat： 增加噪音点，如0.008 ，增加难度
** label smothing** : 增加拟合难度，不让网络拟合到100%
BackBone创新
改变了darknet-53 ，变成了CSP darknet53
引入5层Csp ,并且激活函数改为了mish，可以很好的降低计算量，减少内存，后面仍然采用Leaky_relu
- mish 和leaky_relu的差别
- mish 给一些特征一些发挥的机会， 越没用的特征越不可能
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
