实战应用 · 2数据准备与增强
核心概念
- 残差模块 (shortcut / cover block)：通过卷积与捷径连接实现特征相加，保证深层网络训练稳定。
- NMS（非极大值抑制）：用于去除多余重叠框，提升检测结果的准确性。
- Soft-NMS：对高度重叠框进行置信度衰减而非直接剔除，提高召回率。
- 预训练权重加载：在大数据集上训练好的参数迁移到新任务，加快收敛并提升精度。
- SPP (Spatial Pyramid Pooling)：通过多尺度池化处理不同尺寸输入，使输出维度一致，增加感受野。
- CSPNet（Cross Stage Partial Network）：将特征分为两部分，一部分直接传递，一部分经过卷积后再融合，减少计算量同时保持精度。
- PAN（Path Aggregation Network）：在 FPN 基础上增加自底向上的路径，加强低层与高层特征的融合。
- 注意力机制（SAM）：通过位置加权突出关键区域特征，提高模型关注度。
提出问题
- 深层网络如何避免梯度消失和退化？
- 如何在预测阶段去除冗余候选框？
- 小数据任务如何利用大规模训练经验？
- 输入图像大小不一致时，如何保持输出维度统一？
- 如何提升特征融合效果，提高检测精度？
论点与解决方案
- 网络稳定性：通过残差模块与捷径连接确保深层网络仍能有效训练。
- 候选框优化：
- NMS 过滤高度重叠框。
- Soft-NMS 保留可能的目标，提高召回率。
- 迁移学习：加载预训练权重，冻结或微调部分层，提升小数据任务表现。
- 多尺度适应：SPP 引入不同尺寸池化，使网络能处理任意输入大小。
- 计算优化：CSPNet 将特征切分并融合，降低冗余计算。
- 特征融合：
- FPN 自顶向下传递高层特征。
- PAN 增加自底向上的路径，双向融合特征。
- 注意力机制：SAM 模块通过空间权重调整，让模型聚焦关键区域。
关键机制 / 细节
- 残差模块：三次卷积（含 1×1 卷积提升通道数）+ 捷径分支相加。
- NMS：基于 IoU 阈值剔除重叠框；DIoU-NMS 同时考虑中心点距离。
- Soft-NMS：对重叠框置信度降低而非直接剔除。
- 加载权重：迁移学习时，前层保持冻结，最后层根据任务类别数重定义。
- SPP：池化层输出拼接后，保证输入任意大小都能输出固定特征。
- CSPNet：特征切分为两部分 → 一部分卷积 → 与原始部分拼接 → 降低计算量。
- PAN：特征金字塔结构中加入自底向上路径，低层特征向上传递。
- SAM：通过卷积计算空间权重图，与输入特征逐点相乘，提升显著区域权重。
总结
- 数据准备与增强环节 不仅包含输入图像的预处理，更涵盖网络结构优化与训练技巧。
- 残差、SPP、CSP、PAN、注意力机制 共同提升了 YOLO 系列的训练稳定性与检测精度。
- NMS 与 Soft-NMS 提供了推理阶段的关键优化，使检测结果更可靠。
- 迁移学习 大幅降低了小样本任务的训练难度，是工程落地的常用手段。
