- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI算法修炼营
YOLOv4损失函数全面解析
来源｜周威@知乎，https://zhuanlan.zhihu.com/p/159209199
3.7K40发布于 2020-07-17 - 来自专栏我爱计算机视觉
YOLOv4 中的 Mish 激活函数
作者：Miracle R 编译：ronghuaiyang 导读 对YOLOv4中的Mish激活函数进行解释和优缺点对比。 在这里，我们会来看看YOLOv4，特别是它的优化器，使用的两个bags的优化函数：在训练期间使用的“Bag of Freebies (BoF)”和在推理期间使用的“Bag of Specials (BoS Bag of Specials包含了用于YOLOv4架构的主干和检测器的低计算成本模块。这些是： ? 在这里，我们可以看到Mish激活函数同时存在于主干和检测器中。 在YOLOv4中使用Mish函数的原因是它的低成本和它的平滑、非单调、上无界、有下界等特点，与其他常用函数如ReLU和Swish相比，提高了它的性能。 在YOLOv4中，使用了Mish函数+ CSPDarknet53的组合，尽管代价有点高，但它极大地提高了检测的准确性，因此使Mish成为**“Specials”**之一。 ? ?
2.3K20发布于 2020-09-07 - 来自专栏GiantPandaCV
一张图梳理YOLOv4论文
AlexeyAB大神继承了YOLOv3, 在其基础上进行持续开发，将其命名为YOLOv4。 Darknet原作者pjreddie在readme中承认了YOLOv4 来看看YOLOv4和一些SOTA模型的对比，YOLOv4要比YOLOv3提高了近10个点。 ? FPS vs AP 1. 思维导图 YOLOv4总体上可以划分为两部分，一部分是讲Bag of freebies和Bag of Specials; 另外一部分讲的是YOLOv4的创新点。 ? YOLOv4的思维导图 Bag of freebies和Bag of specials涉及到的大部分trick在GiantPandaCV公众号历史文章中都有介绍，所以不一一列举，主要讲一下YOLOv4的创新点 所以有人多人都说YOLOv4是拼凑trick得到的。
1.5K20发布于 2020-04-26 - 来自专栏智能算法
目标检测算法YOLOv4详解
YOLOv4是精度速度最优平衡, 各种调优手段是真香，本文主要从以下几个方面进行阐述： YOLOv4介绍 YOLOv4框架原理 BackBone训练策略 BackBone推理策略 检测头训练策略 检测头推理策略 YOLOV4论文： https://arxiv.org/pdf/2004.10934.pdf YOLOV4代码： https://github.com/AlexeyAB/darknet 2.YOLOv4 这里YOLOv4用了DropBlock正则化的方法。 在YOLOv4中，使用修改后的SAM而不应用最大值池化和平均池化。 ? 在YOLOv4中，FPN概念逐渐被实现/替换为经过修改的SPP、PAN和PAN。 本文从YOLOv4介绍，YOLOv4框架原理，BackBone训练策略，BackBone推理策略，检测头训练策略，检测头推理策略这几个大方面进行详细的阐述了YOLOv4中所用到的各种策略，希望对大家有所帮助
16.9K34发布于 2020-11-17 - 来自专栏CVer
大神接棒，YOLOv4来了！
大神接棒，YOLOv4来了！ 当大家以为再也见不到YOLOv4的时候，然鹅今天 YOLOv4 来了！ YOLOv4的作者阵容里并没有Joe Redmon，也验证了大神曾说不再继续CV研究的这条消息。 YOLO官方github正式加入YOLOv4的论文和代码链接，也意味着YOLOv4得到了Joe Redmon的认可，也代表着YOLO的停更与交棒。 ? 关于YOLOv4，Amusi 曾写过这样一篇文章来预宣传（现在想想，应该是全网第一个这样介绍的）：等待YOLOv4的期间，它还在更新 YOLOv4的一作是 Alexey Bochkovskiy，用过YOLO YOLOv4 正文 ? 感受一下YOLOv4实验的充分性（调参的艺术） ? ? 感受一下性能炸裂的YOLOv4实验结果 ? ? ? ? 论文篇幅很长，高达17页，干货满满！
1.2K30发布于 2020-06-30 - 来自专栏CVer
等待YOLOv4的期间，它还在更新
YOLOv3发布于2018年3月份，当时 CVer 第一时间进行了推文报道，详见：YOLOv3：你一定不能错过 如今时隔快两年，YOLOv3并没有进化到YOLOv4，但不影响大家对YOLOv3的关注度。
1.1K10发布于 2019-12-24 - 来自专栏AI算法与图像处理
PANet：YOLOv4中的路径聚合网络
PANet: PANet位在于YOLOv4模型的neck，主要通过保留空间信息来增强实例分割过程。 ? 为YOLOv4做的修改 PANet通常使用自适应特征池化将相邻的层相加到一起进行mask预测。 但是，在YOLOv4中使用PANet时，这种方法做了点修改，例如，不是相加相邻的层，而是对它们应用一个拼接操作，以提高预测的准确性。 ? YOLOv4采用了PANet，由于其简单的实现和高性能，提高了预测的准确性，速度是EfficientDet的两倍。 ? 在YOLOv4中测试时，它显示出了令人惊叹的结果，并大大提升了特征提取过程，保证了它在YOLOv4模型的neck的位置。
2.8K10发布于 2020-11-16 - 来自专栏厚积薄发
深度剖析目标检测算法YOLOV4
深度剖析目标检测算法YOLOV4 目录 简述 yolo 的发展历程 介绍 yolov3 算法原理 介绍 yolov4 算法原理（相比于 yolov3，有哪些改进点） YOLOV4 源代码日志解读 下图是 YOLOV4 源代码的页面，github: https://github.com/AlexeyAB/darknet ? 顺便说一句，YOLOV3 的作者也是认可 YOLOV4 的改进的，在 YOLOV3 的官网 https://github.com/pjreddie/darknet 也是给出了 YOLOV4 的链接。 yolov4 算法原理 ? 还是借用某位大神画的结构图，记不清名字了，是在抱歉。 YOLOV4 源代码日志解读 ? 网络层数： YOLOV4 总共层数有 161 层，YOLOV3 是 106 层，网络层数增加是非常明显的。
3.1K10发布于 2020-12-14 - 来自专栏深度学习和计算机视觉
PANet：YOLOv4中的路径聚合网络
PANet： PANet位在于YOLOv4模型的neck，主要通过保留空间信息来增强实例分割过程。 YOLOv4的改进 PANet通常使用自适应特征池化将相邻的层相加到一起进行mask预测。 但是，在YOLOv4中使用PANet时，这种方法做了点修改，例如，不是相加相邻的层，而是对它们应用一个拼接操作，以提高预测的准确性。 YOLOv4采用了PANet，由于其简单的实现和高性能，提高了预测的准确性，速度是EfficientDet的两倍。 在YOLOv4中测试时，它显示出了令人惊叹的结果，并大大提升了特征提取过程，保证了它在YOLOv4模型的neck的位置。
84510编辑于 2022-02-14 - 来自专栏CSharp编程大全
yolov3和yolov4检测效果对比
结论： 测试10张图片，计算平均耗时： yolo_cpp_dll.dll 自己编译生成的 yolov3 18ms 100% yolov3-tiny 5ms 检出率60% 比较节省gup资源 yolov4 35ms 检出率90% yolo_cpp_dll_gpu.dll--旧版的dll，以前同事留下的 yolov3 19ms 70% yolov3-tiny 6ms 检出率40% yolov4 34ms 检出率0% 结论：dll对测试效果也有影响，yolov3-tiny检出速度快但是检出率不高，yolov4虽然做了优化，但是在耗时和检出率上反而下降了 ，原因不详！
1.6K50发布于 2020-08-19 - 来自专栏AI算法与图像处理
起飞 | 应用YOLOV4 - DeepSort 实现目标跟踪
完整的权重文件和项目都放在后台了，回复“yolov4” 即可获取。 欢迎分享，帮助更多的小伙伴！ 使用YOLOv4、DeepSort和TensorFlow实现的目标跟踪。 YOLOv4是一种非常优秀的算法，它使用深卷积神经网络来执行目标检测。更详细的介绍可以参考之前文章。 吊打一切的YOLOv4的tricks汇总！ # Convert darknet weights to tensorflow model python save_model.py --model yolov4 # Run yolov4 deep /outputs/demo.avi --model yolov4 # Run yolov4 deep sort object tracker on webcam (set video flag to /outputs/webcam.avi --model yolov4 --output 后面接的是目标跟踪输出结果视频文件的存储路径。
6.4K61发布于 2020-09-27 - 来自专栏AI算法与图像处理
windows 10编译YOLOv4，包括exe和d
参考前文 windows 10安装CUDA和cuDNN，地址是：https://xugaoxiang.com/2019/12/18/windows-10-cuda-cudnn/， 这里不再赘述。
1.8K30发布于 2021-04-21 - 来自专栏贾志刚-OpenCV学堂
OpenCV4.4 + YOLOv4 真的可以运行了…..
微信公众号：OpenCV学堂 前一阵子YOLOv4发布了，后面就是YOLOv5，估计再过几天就要YOLOv10086了，这个时代技术进步太魔幻，改几个参数就可以继续升级版本。 2020.718 OpenCV4.4发布了，支持YOLOv4推理，于是我立刻测试了一波。 模型下载 YOLOv4的相关模型合集在这里 https://github.com/AlexeyAB/darknet/wiki/YOLOv4-model-zoo 我使用的是基于COCO预训练模型： YOLOv4 -Leaky OpenCV4.4 DNN OpenCV4.4 支持YOLOv4，这个是它的官方release里面说的，其实我早就发现了YOLOv4可以通过OpenCV4.2直接跑，怎么OpenCV4.4 OpenCV4.4 DNN + YOLOv4对象检测演示 跟YOLOv3一样，YOLOv4也有三个输出层，完成推理之后，需要在进一步通过NMS实现对重叠框的去除，什么是NMS（非最大抑制），看下图就懂啦
8.4K50发布于 2020-07-24 - 来自专栏贾志刚-OpenCV学堂
最新 | 对象检测YOLOv4版本来了！
YOLO对象检测模型自问世以来受到计算机视觉开发者的追捧、应用广发，已经陆续发出了三个版本分别是YOLOv1～YOLOv3，现在YOLOv4也出炉了，精度与速度全面超越YOLOv3版本，废话不多说了，有图为证 YOLOv4改进 作者的改进主要是基于以下几点： 1.可以使用1080Ti或者2080Ti训练一个超级快与高精度的对象检测器 2.在训练时使用BOF(Bag-of-Freebies)与BOS(Bag-of-Specials 总结： 最终的YOLOv4网络组成如下： - BackBone CSPDarknet53 - Neck: SPP,PAN - Head: YOLOv3 ? 训练阶段各种数据增强的方法： ?
86320发布于 2020-04-24 - 来自专栏集智书童
YOLOv4 改进 | 记录如何一步一步改进YOLOv4到自己的数据集（性能、速度炸裂）
1再看YOLOv4 YOLOv4是一个高精度的单阶段目标检测模型，它通过生成边界框坐标并为每个类分配概率，将目标检测任务转换为一个回归问题。 图1 YOLOv4 在网络架构中，将残差模块集成到ResNet网络结构中，获得DarkNet53。 此外，YOLOv4具有较高的计算成本和较长的训练时间，这可能不适用于现场移动设备。 2改进YOLOv4 为了解决上述与实时疾病检测程序相关的问题，本研究对最先进的YOLOv4算法进行了改进和优化，用于在复杂的背景环境中准确预测细粒度图像多属性检测。 改进后的YOLOv4网络架构的完整示意图如图3所示。
2.3K10编辑于 2022-02-10 - 来自专栏机器学习AI算法工程
火灾火焰检测数据集和yolov4检测模型
火灾检测数据集图像2059张：包含大火-小火，建筑起火、草原起火、森林起火、车辆(汽车、卡车、摩托车、电动车)起火、白天-黑夜起火等场景；
3.1K31发布于 2020-11-03 - 来自专栏深度学习和计算机视觉
竟然超越了YOLOv4
PP-YOLO评估显示出更快的推断（x轴）和更好的准确性（y轴） PP-YOLO评估指标显示出比现有的最新对象检测模型YOLOv4更高的性能。 YOLOv4于今年春天由Alexey AB在YOLO Darknet存储库中发布。YOLOv4主要是其他已知计算机视觉技术的集合，并通过研究过程进行了组合和验证。 PP-YOLO胜过2020年4月23日发布的YOLOv4结果。 作者的意图似乎不只是“引入一种新颖的新型检测器”，而是展示了仔细调整对象检测器以最大化性能的过程。 论文中显示了这些指标，胜过了YOLOv4和EfficientDet的当前发布结果。 此外，已经表明，在YOLOv5 Ultralytics存储库上训练YOLOv4体系结构的性能要优于YOLOv5，并且，以过渡方式，使用YOLOv5贡献进行训练的YOLOv4的性能将胜过此处发布的PP-YOLO
1.5K10发布于 2020-08-13 - 来自专栏数据分析与挖掘
【论文笔记】YOLOv4: Optimal Speed and Accuracy of Object Detection
例如，任何使用传统GPU进行训练和测试的人都可以获得实时、高质量、令人信服的对象检测结果，如图1所示的YOLOv4结果。 ? 我们的主要贡献如下： 我们开发了一个高效、强大的目标检测模型。 最后，我们选择CSPDarknet53主干、SPP添加模块、PANet路径聚集颈和YOLOv3(基于锚的)头作为YOLOv4的架构。 3.4 YOLOV4 直接直接放英文好理解： ? ? 4.
1.2K40发布于 2020-08-26 - 来自专栏机器学习与生成对抗网络
PyTorch版：集成注意力和MobileNet的YOLOv4
近日，就有研究者在 GitHub 上更新了基于 PyTorch 的 YOLOv4。 从今年 4 月 YOLOv4 发布后，对于这个目标检测框架，问的最多的问题或许就是： 「有没有同学复现 YOLOv4 的， 可以交流一下么」。 近日，有研究者在 GitHub 上开源了一个项目：基于 PyTorch 深度学习框架的 YOLOv4 复现版本，该版本基于 YOLOv4 作者给出的实现 AlexeyAB/darknet，并在 PASCAL attentive YOLOv4 该项目向主干网络添加了一些注意力方法，如 SEnet、CBAM。 ? SEnet (CVPR 2017) ? 准备工作 1. git 复制 YOLOv4 库 准备工作的第一步是复制 YOLOv4。
3K00发布于 2020-10-27 - 来自专栏全栈程序员必看
基于yolov4的目标检测_yolov3目标检测
YOLOv5的代码是开源的，因此我们可以从github上克隆其源码。不得不说GitHub的确是全球最大的男性交友网站，里面的人个个都是人才，yolov5发布才一年左右的时间，YOLOv5就已经更新了5个分支了，分别是yolov5.1-yolov5.5分支。该项目就是利用的yolov5.5分支来作为讲解。
56120编辑于 2022-11-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号