YOLOv4詳解：模型結構、損失函數、訓練方法及代碼實現

motivation

YOLO系列作者Joseph Redmon與Alexey Bochkovskiy致力于解決目標檢測領域的核心矛盾：精度與速度的平衡。YOLOv4的誕生源于兩大需求：

1. 工業落地：在移動端/邊緣設備實現實時檢測（>30FPS）
2. 學術突破：無需昂貴算力（如1080Ti即可訓練），在MS COCO數據集達到SOTA

---

methods

1. 數據加載創新

• Mosaic數據增強：拼接4張圖像，提升小目標檢測能力
• Self-Adversarial Training：對抗訓練增強遮擋場景魯棒性

# Mosaic增強示例（簡化版）
def mosaic_augment(imgs):output = np.zeros((608,608,3))xc, yc = [random.randint(300,500) for _ in range(2)]  # 隨機中心點indices = [0,1,2,3]  # 4張圖索引for i, img in enumerate(imgs):h,w,_ = img.shapeif i==0:  # 左上output[:yc,:xc] = cv2.resize(img, (xc,yc))... # 其他區域填充return output

2. 模型結構

• Backbone：CSPDarknet53（跨階段局部網絡）
  • 引入CSP結構降低計算量$C_{out}=\frac{C_{in}}{2}$
• Neck：SPP + PANet
  • SPP模塊：多尺度池化融合特征 fout=Concat(MaxPoolk×k(fin)),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：雙向特征金字塔，增強淺層定位信息
• Head：解耦頭結構
  • 分類/回歸任務分離，提升收斂效率

3. 損失函數

• CIoU Loss：解決邊界框回歸不均衡問題
  $${\mathcal{L}}_{CIoU}=1?IoU+\frac{{\rho }^2(b,b^{gt})}{c^2}+\alpha v$$
  其中$v=\frac{4}{{\pi }^2}(\arctan \frac{w^{gt}}{h^{gt}}?\arctan \frac{w}{h}{)}^2$
• 分類損失：Focal Loss改進版緩解樣本不平衡

4. 訓練策略

• 余弦退火調度：學習率動態調整 $${\eta }_t={\eta }_{min}+\frac{1}{2}({\eta }_{max}?{\eta }_{min})(1+\cos (\frac{T_{cur}}{T_{max}}\pi ))$$
• SAT訓練：生成對抗擾動增強決策邊界魯棒性

---

experiments

模型	AP@0.5	FPS (Tesla V100)	參數量
YOLOv3	55.3%	45	61.5M
YOLOv4	65.7%	62	63.9M

• 關鍵突破：
  1. 在MS COCO上AP50達65.7%，較v3提升10.4%
  2. Tesla V100實時推理速度62FPS
  3. 使用GIoU替換NMS，誤檢率降低20%

---

代碼詳解（PyTorch核心片段）

CSPDarknet塊實現

class CSPBlock(nn.Module):def __init__(self, in_c, out_c, n=1):super().__init__()self.conv1 = Conv(in_c, out_c//2, 1)  # 通道減半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)  # 通道維度拼接

SPP模塊結構

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

---

總結

YOLOv4通過架構創新（CSPDarknet53+SPP+PANet）與訓練策略革新（Mosaic+SAT），在精度與速度間取得完美平衡。其設計哲學啟示后人：

“優秀的工程不是堆砌模塊，而是讓每個組件在系統中發揮乘法效應”

開源代碼見：YOLOv4官方實現