进阶提升 · YOLOv4 改进
核心概念
- YOLOv4：YOLO 系列的重要升级版本，目标是在保证高精度的同时，让普通 GPU 用户也能训练。
- 迁移学习：利用在大规模数据集上训练好的模型参数，作为新任务的初始化，提高小数据集上的表现。
- 数据增强策略：Mosaic、多图混合、Cutout/DropBlock、标签平滑等方法，用于提升模型泛化能力。
- ResNet / CSPDarknet：引入残差网络结构，保证更深层次训练稳定。
- CIOU 损失函数：在 IoU 基础上加入中心点距离和长宽比约束，更好地衡量预测框质量。
提出问题
- 如何在 单卡、普通 GPU 的环境下实现高效的目标检测训练？
- 如何解决小数据量任务中的过拟合与训练困难？
- 如何进一步改进 YOLO 系列，使其在速度和精度之间达到更优平衡？
论点与解决方案
- 亲民设计：YOLOv4 提出一系列方法，确保在显存 8–12GB 的单卡 GPU 上也能高效训练。
- 迁移学习方案：
- 将大数据集（如 ImageNet）上训练的卷积层参数迁移到新任务。
- 数据量较少时，冻结更多卷积层，仅训练最后几层。
- 数据量较大时，逐步解冻层，甚至重新训练。
- 数据增强：
- Mosaic：拼接 4 张图像，提升 batch size 的等效效果。
- MixUp / CutMix：图像混合与标签加权。
- Cutout / DropBlock：随机遮挡区域，增加学习难度，降低过拟合。
- 标签平滑：降低标签的绝对性，提升模型泛化。
- 网络结构优化：
- 采用 ResNet 残差模块，确保网络更深但不退化。
- CSP 结构进一步优化梯度流动与特征融合。
- 损失函数改进：
- 从 IoU → GIoU → DIoU → CIoU。
- CIoU 同时考虑重叠度、中心点距离、长宽比，梯度更稳定，收敛更快。
关键机制 / 细节
-
ResNet 核心思想：通过残差连接（identity / projection shortcut），避免深层网络退化，确保“加深不变差”。
-
DropBlock：比 Dropout 更强，随机屏蔽连续区域，而非单点，迫使网络学习更鲁棒的特征。
-
标签平滑：将硬标签（如 [1,0]）平滑为近似分布（如 [0.95,0.05]），减少过拟合。
-
CIOU 公式：
LCIoU=1−IoU+ρ2(b,bg)c2+αvL_{CIoU} = 1 - IoU + \frac{\rho^2(b, bg)}{c2} + \alpha vLCIoU=1−IoU+c2ρ2(b,bg)+αv
- IoU：重叠度
- ρ：预测框与真实框中心点距离
- c：最小包围框对角线
- v：长宽比一致性约束
总结
- YOLOv4 的意义：
- 通过迁移学习和数据增强，有效解决了小数据集和过拟合问题。
- 在普通 GPU 上也能高效训练，降低了研究与应用门槛。
- 提出的 Mosaic、DropBlock、标签平滑、CIOU 等方法成为后续版本的重要基石。
- 应用价值：YOLOv4 不仅适合科研实验，也适合工业落地，成为 2020 年后广泛应用的目标检测模型。