yolov4
论文:《YOLOv4: Optimal Speed and Accuracy of Object Detection》
yolov4整体框架
借鉴b站一位up的图：
相比于yolov3改进之处
网络结构:
- Backbone:DarkNet53 => CSPDarkNet53
- Neck:SPP,PAN
- Head:Yolov3没有改
优化策略：
- Mosaic数据增强
- Label Smoothing平滑
- CIOU
- 学习率余弦退火衰减
- Eliminate grid sensitivity
复现细节以及结果
1 total param num 64,040,001,计算量：106.7 GFLOPS 2 backbone: CSPDarknet-53 3 优化器：adam,momentum=0.937,初始学习率:1e-34 学习率更新:呈cos函数形式 5 损失函数=置信损失(CIOU)+分类损失+定位损失(CIOU Loss),其中置信和分类损失用的都是BCE Loss 6 batch=8 7 加载官方完整预训练权重 8 epoch = 30 9 总训练时间: 7h(模型比较大) 10 训练集：PASCALVOC-2012train(5717) 11 测试集：PASCALVOC-2012val(5823) 12 GPU: 1 x RTX 3070ti
13 平均推理(解码+nms)时间和FPS:0.0164s,60fps（RTX 3070ti）
tensorboard记录
验证
利用训练完的权重在2012验证集进行验证
结果展示
在PASCAL VOC 2012验证集上能达到82的准确率，可以说比较高了，不过跟模型大小也有关了