Alexey 大神接棒，YOLOv4 重磅来袭！快来一睹论文真容吧！| 原力计划

原标题：Alexey 大神接棒，YOLOv4 重磅来袭！快来一睹论文真容吧！| 原力计划

作者 | Mr.Jk.Zhang

责编 | 夕颜

出品 | CSDN（ID:CSDNnews）

前言

千呼万唤始出来系列，继YOLOv3两年后，YOLOv4终于在上周出来了，让我们来一睹论文真容吧！由于YOLO之父Jeseph Redmon在今年2月已宣布退出CV学术界，大家都以为YOLO系列已不再更新了，幸而，学术界和开源社区的力量是强大的。另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy接过了YOLO这面大旗，在arXiv上提交了YOLO v4，而且，这篇论文已经被拉入原来YOLO之父建立的项目主线。

论文链接：https://arxiv.org/abs/2004.10934

代码地址：https://github.com/AlexeyAB/darknet

展开全文

YOLOv4的发布可以说是YOLO系列的集大成者，里面涉及了许多tricks的组合。YOLOv4主要是选取了许多features进行组合的形式来对数据集进行测试训练，从而来验证性能效果。

论文核心中的核心：作者将 Weighted-Residual-Connections (WRC), Cross-Stage-Partial-connections (CSP), Cross mini-Batch Normalization (CmBN), Self-adversarial-training (SAT) and Mish-activation.而且还使用了一些最近出来的新features： WRC, CSP, CmBN, SAT, Mish activation, Mosaic data augmentation, CmBN, DropBlock regularization, and CIoU loss。通过对这些features进行有效的组合得到了爆炸性的YOLOv4，可以吊打一切的YOLOv4.在MS-COCO数据上： 43.5%@AP（65.7%@AP50）同时可以达到65fps@TeslaV100.

AP50:95 / AP50 – FPS (Tesla V100) Paper: https://arxiv.org/abs/2004.10934

YOLOv4论文中所用tricks如下：

用于backbone的BoF：CutMix和Mosaic数据增强，DropBlock正则化，Class label smoothing
用于backbone的BoS：Mish激活函数，CSP，MiWRC
用于检测器的BoF：CIoU-loss，CmBN，DropBlock正则化，Mosaic数据增强，Self-Adversarial 训练，消除网格敏感性，对单个ground-truth使用多个anchor，Cosine annealing scheduler，最佳超参数，Random training shapes
用于检测器的Bos：Mish激活函数，SPP，SAM，PAN，DIoU-NMS

文中提供的预训练模型的权重和参数信息可见代码地址：