Yolov4.Pytorch 代码学习笔记

计算机视觉

最近对yolov5进行了较为深入的理解，顺便将yolov4给啃一啃，之前只粗略读过论文，这边文章主要从代码进行学习，代码参照 pytorch版的yolov4, 虽然和DarkNet的会有出入，但学习起来更方便一些.

darknet 的yolov4共有四个版本，分别是yolov4x-mish, yolov4-csp, yolov4, yolov4-tiny。代码来源WongKinYiu/PyTorch_YOLOv4，此代码仓库参考于u版yolov5，除开网络部分，别的训练数据的制作、loss 计算、训练以及导出部署等和yolov5基本一致，都可以参照本人之前的关于使用yolov5的文章Yolo-v5从代码到服务部署实践. 同时本人也测试了Tianxiaomo/pytorch-YOLOv4版的yolov4，但是这个版本缺的东西比较多，且训练很慢，就放弃使用了。

网络结构

虽然网上有很多结构图了，自己学习更喜欢自己画一遍。DarkNet .cfg 形式，对于cfg 文件可以用 netron 可视化，但是太长了。

yolov4 的整体结构和之前画的yolov5整体结构一致，如下图：

主要由 backbone, FPN, PAN, 和 YOLO-head 构成。

目前仓库提供了9中配置模型:

  • YOLOv4: CSPDark+PAN+mish激活
  • YOLOv4pacsp: CSPDark+CSPPAN，无mish激活
  • YOLOv4pacsp-mish: + mish
  • YOLOv4pacsp-s: small version of YOLOv4pacsp
  • YOLOv4pacsp-s-mish: + mish
  • YOLOv4pacsp-x: large 版
  • YOLOv4pacsp-x-mish: + mish
  • YOLOv4paspp: 与 YOLOv4一样，除了激活没有mish
  • YOLOv4-tiny: 轻量版的 YOLOv4

使用注意事项

  • 代码默认使用cuda_mish, 安装太麻烦的话使用普通 Mish 激活替代即可，只是训练慢一点
  • 训练时如果开启验证，由于为了计算mAP, conf_thres 被设置为0.001，验证时打印的准确率基本会偏低
  • 此仓库代码和目前原yolov4论文还是有点出入，比如没有dropblock, 自对抗训练等，作者在逐步完善中

ref