YOLOv4: Optimal Speed and Accuracy of Object Detection
2020-04-26 11:28:45
Paper: https://arxiv.org/abs/2004.10934
Code: https://github.com/AlexeyAB/darknet
Other collection for the Implementation: link
1. Background and Motivation:
如图 1 所示，本文 YOLO-v4 在精度和速度上，取得了较好的平衡。
大部分基于 CNN 物体检测算法仅适用于推荐系统。例如，通过城市视频摄像头来搜索免费的停车位，这个过程是通过 slow accurate models 来实现的，而车辆碰撞警告是通过快速的不准确模型来实现的。因此一个实时的准确的物体检测模型，是非常重要的。本文就想构建一种物体检测模型来实现一个快速的算法，但是还要求能在单个普通的 GPU 上进行训练。为了上述目标，作者提出如下的贡献：
1). 作者开发了一种有效地、强大的物体检测模型。其可以利用 1080TI 或者 2080TI 显卡来训练一个超级快速和准确地物体检测器；
2). 作者验证了顶尖的 Bag-of-Freebies 和 Bag-of-Specials 方法的影响；
3). 修改了顶尖的算法，使得他们更加适合单张 GPU 训练，包括 CBN, PAN, SAM, 等。
2. Related Work：
作者在 related work 中提到了众多的改进技巧，并且分为两个部分进行介绍：Bag of freebies 和 Bag of specials。
Bag of freebies:
data augmentation, semantic distribution bias, BBox regression;
Bag of specials:
enhanced receptive field, attention module, feature integration, multi-scale, good activation function, NMS;
3. The Proposed Method：
3.1. Selection of architecture:
作者给出了多个骨干网络，并且讲了选择的几个重要标准：
3.2. Selection of BoF and BoS：
3.3. Additional Improvements：
其中，比较有意思的是自我攻击训练：Self-Adversarial Training (STA) 这种方法提供了一种新的数据增广的技术，涉及到两个前向和后向阶段。
在第一个阶段，神经网络会修改原始的图像；这样神经网络就可以进行对抗攻击，改变原始图像来创造一些欺骗性的东西。
在第二个阶段，神经网络被训练按照常规的方式进行物体检测。
