【YOLO系列】YOLOv4详解：模型结构、损失函数、训练方法及代码实现

YOLOv4详解：模型结构、损失函数、训练方法及代码实现

motivation

YOLO系列作者Joseph Redmon与Alexey Bochkovskiy致力于解决目标检测领域的核心矛盾：精度与速度的平衡。YOLOv4的诞生源于两大需求：

1. 工业落地：在移动端/边缘设备实现实时检测（>30FPS）
2. 学术突破：无需昂贵算力（如1080Ti即可训练），在MS COCO数据集达到SOTA

methods

1. 数据加载创新

• Mosaic数据增强：拼接4张图像，提升小目标检测能力
• Self-Adversarial Training：对抗训练增强遮挡场景鲁棒性

# Mosaic增强示例（简化版）
def mosaic_augment(imgs):
    output = np.zeros((608,608,3))
    xc, yc = [random.randint(300,500) for _ in range(2)]  # 随机中心点
    indices = [0,1,2,3]  # 4张图索引
    for i, img in enumerate(imgs):
        h,w,_ = img.shape
        if i==0:  # 左上
            output[:yc,:xc] = cv2.resize(img, (xc,yc))
        ... # 其他区域填充
    return output

2. 模型结构

• Backbone：CSPDarknet53（跨阶段局部网络）
  • 引入CSP结构降低计算量$C_{out}=\frac{C_{in}}{2}$
• Neck：SPP + PANet
  • SPP模块：多尺度池化融合特征 f o u t = Concat ( MaxPool k × k ( f i n ) ) , k ∈ { 1 , 5 , 9 , 13 } f_{out} = \text{Concat}( \text{MaxPool}_{k \times k}(f_{in}) ), k \in \{1,5,9,13\} fout​=Concat(MaxPoolk×k​(fin​)),k∈{1,5,9,13}
  • PANet：双向特征金字塔，增强浅层定位信息
• Head：解耦头结构
  • 分类/回归任务分离，提升收敛效率

3. 损失函数

• CIoU Loss：解决边界框回归不均衡问题
  $${\mathcal{L}}_{CIoU}=1-IoU+\frac{{\rho }^2(b,b^{gt})}{c^2}+\alpha v$$
  其中$v=\frac{4}{{\pi }^2}(\arctan \frac{w^{gt}}{h^{gt}}-\arctan \frac{w}{h}{)}^2$
• 分类损失：Focal Loss改进版缓解样本不平衡

4. 训练策略

• 余弦退火调度：学习率动态调整 $${\eta }_t={\eta }_{min}+\frac{1}{2}({\eta }_{max}-{\eta }_{min})(1+\cos (\frac{T_{cur}}{T_{max}}\pi ))$$
• SAT训练：生成对抗扰动增强决策边界鲁棒性

experiments

• 关键突破：
  1. 在MS COCO上AP50达65.7%，较v3提升10.4%
  2. Tesla V100实时推理速度62FPS
  3. 使用GIoU替换NMS，误检率降低20%

代码详解（PyTorch核心片段）

CSPDarknet块实现

class CSPBlock(nn.Module):
    def __init__(self, in_c, out_c, n=1):
        super().__init__()
        self.conv1 = Conv(in_c, out_c//2, 1)  # 通道减半
        self.conv2 = Conv(in_c, out_c//2, 1)
        self.bottleneck = nn.Sequential(*[ResBlock(out_c//2) for _ in range(n)])
        
    def forward(self, x):
        x1 = self.conv1(x)
        x2 = self.conv2(x)
        x2 = self.bottleneck(x2)
        return torch.cat([x1, x2], dim=1)  # 通道维度拼接

SPP模块结构

class SPP(nn.Module):
    def __init__(self, pool_sizes=(5,9,13)):
        super().__init__()
        self.pools = nn.ModuleList([
            nn.MaxPool2d(p, stride=1, padding=p//2) 
            for p in pool_sizes
        ])
        
    def forward(self, x):
        features = [x]
        for pool in self.pools:
            features.append(pool(x))
        return torch.cat(features, dim=1)  # 多尺度特征融合

总结

YOLOv4通过架构创新（CSPDarknet53+SPP+PANet）与训练策略革新（Mosaic+SAT），在精度与速度间取得完美平衡。其设计哲学启示后人：

“优秀的工程不是堆砌模块，而是让每个组件在系统中发挥乘法效应”

开源代码见：YOLOv4官方实现