yolov4算法及其改进

1、yolov4介绍

改进点：

• 输入端改进：Mosaic数据增加
• 主干网络：CSPDarkNet53
• Neck:SPP、PANet
• 损失函数：CIOU
• 激活函数：Mish激活函数
• 样本匹配：增加了匹配样本的数量

2、mosaic与mish激活函数

2.1、mosaic数据增强

数据增强步骤：

• 首先随机取4张图片
• 分别对4张图片进行数据增广操作，并分别粘贴至与最终输出图像大小相等的掩模的对应位置
• 进行图片的组合和框的组合

优点：

• 丰富数据集：使用4张图片，随机缩放，随机分布进行拼接，大大丰富了目标检测的数据集，增加了很多小目标，让网络模型对小目标的稳健性变的更好
• 减少GPU使用：mosaic增强训练时，可以在单图像尺度的情况下直接计算4张图片的数据，使得mini-batch size并不需要很大，即使用1个GPU就可以达到比较好的收敛效果