# YOLOv1-v4+PP-YOLO(下)
## 全名You Only Look Once

**V4**
[YOLOv4: Optimal Speed and Accuracy of Object Detection](https://arxiv.org/abs/2004.10934)

**PP-YOLO**
[PP-YOLO: An Effective and Efficient Implementation of Object Detector](https://arxiv.org/abs/2007.12099)

## 整理的ppt簡報下載:[網址](https://docs.google.com/presentation/d/1-4OKVtXaqFTBCDG1adDd5VSuHj5gkxV5/edit?usp=sharing&ouid=110793030131629749517&rtpof=true&sd=true)

###### tags: `papper`
---

---

---

---

* CBM： Yolov4網路結構中的最小組件，由Conv+Bn+Mish啟動函數三者組成。
* CBL：由Conv+Bn+Leaky_relu啟動函數三者組成。
* Res unit：借鑒Resnet網路中的殘差結構，讓網路可以構建的更深。
* CSPX：借鑒CSPNet網路結構，由卷積層和X個Res unint模組Concate組成。
* SPP：採用1×1，5×5，9×9，13×13的最大池化的方式，進行多尺度融合。

---

每個CSP模組前面的卷積核的大小都是3x3，stride=2

因為Backbone有5個CSP模組
特徵圖變化：608->304->152->76->38->19

Backbone中採用了Mish啟動函數，
後面仍然採用Leaky_relu啟動函數。

---

YOLOv4 包含以下三部分：
骨幹網路：CSPDarknet53
Neck：SPP、PAN
Head：YOLOv3

---
具體而言，YOLO v4 使用了：
:::success
Bag of freebies（BoF）是指只新增訓練成本而不新增推理成本來提高檢測精度的方法，通常指的是數據增强。
:::

:::success
Bag of Specials（BoS）通過新增推理成本，改變網絡結構，來提高目標檢測精度的方法。
:::
用於骨幹網路的Bag of Freebies（BoF）：CutMix 和Mosaic數據增強、DropBlock 正則化和類標籤平滑(Label Smoothing);

用於骨幹網路的Bag of Specials（BoS）：Mish啟動、CSP和多輸入加權殘差連接（MiWRC）;

用於檢測器的Bag of Freebies（BoF）：CIoU-loss、CmBN、DropBlock 正則化、Mosaic數據增強、自對抗訓練(SAT)、消除網格敏感性（Eliminate grid sensitivity）、針對一個真值使用多個錨(Multiple Anchor)、餘弦退火(cosine annealing)、優化超參數和隨機訓練形狀(Random training shape);

用於檢測器的Bag of Specials（BoS）：Mish啟動、SPP 塊、SAM塊、PAN 路徑聚合塊和 DIoU-NMS。

---

### Mosaic數據增強

### Mish啟動函數
Backbone中採用了Mish啟動函數，網路後面仍然採用Leaky_relu啟動函數。

### Dropblock

### SPP模組
使用k={1x1，5x5，9x9，13x13}的最大池化的方式，再將不同尺度的特徵圖進行Concat操作。

### FPN+PAN


原本的PANet網路的PAN，兩個特徵圖結合是採用shortcut操作，而Yolov4中則採用concat

### GIOU to DIOU to CIOU_loss

**GIOU**
面臨的問題:在內部相同大小的框

---
DIOU:
面臨的問題:沒有長寬資訊

加入長寬資訊:CIOU

### DIOU_nms
將原始IOU的部分改為使用DIOU
不使用CIOU是因為測試時沒有GT的資訊

---
---
---
# PP-YOLOv1

**BackBone骨幹網路:
ResNet50-vd,最後一層的3x3卷積替換成DCN卷積(可變形捲積)**
模型的精準度由 38.9% 達到 39.1%，速度由 58.2 FPS 提升到 79.2 FPS。

DetectionNeck:
依舊使用FPN,最後三個捲積層C3， C4， C5

Tricks的選擇:
* 更大的batchsize:batchsize從64調整到196
* BN裡的滑動平均:λ這裏取0.9998
* DropBlock
* Matrix NMS相較傳統NMS運行速度更快。
* CoordConv
* SPP
* GRID Sensitive:alpha設定為1.05

---
### Image Mixup ( 圖片混和 )
訓練過程中所使用的 loss 為兩張圖片的 loss 乘以各自權重的加和。

---
### DropBlock

---
### Matrix NMS
soft NMS:Soft NMS 會將該框原始的信心分數納入考量

---
### CoordConv
因為 filter 在掃的過程中，根本不知道自己位在哪裡，於是 Uber 團隊提出了一個叫做 CoordConv 的新方法，輸入的時候多兩個代表座標的新通道一併餵給網路。

如果CoordConv的座標通道沒有學習到任何資訊就等價於傳統卷積，;而如果座標通道學習到了 一定的資訊，那麼此時CoordConv就具備了一定的平移依賴性。

---
## SPP ( Spatial Pyramid Pooling )
由 SPPNet 所提出來的方法，主要解決兩個問題

1.避免 R-CNN 對於圖像的剪裁、縮放等操作導致物體不全
2.解決 CNN 網路對於重複圖像重複的特徵提取問題
SPP 架構圖解:

---
### 實驗

---
總結:
PP-YOLO沒有像yolo4使用現有的SOTA網路結構
而是著眼於合理的tricks堆疊