Yolov4部署到ZYNQ系列2-重新训练darknet框架下的Yolov4

前言

花了一个月不到的时间单枪匹马把Yolov4模型部署到ZYNQ Ultrascale+ MPSOC上，这次把一整个过程和关键的几个要点都按照系列文章的形式展开，确保可以通过系列文章的形式完美复现我的工作。
本节内容包括重新训练darknet框架下的Yolov4

一、为什么重新训练darknet？

用之前DOTA数据集上训练Yolov4（darknet框架）在量化、编译结束后，部署到开发板上出现下述error。解释一下就是Yolov4里面存在XIR（Xilinx中间表示形式）未定义的操作符，也就是激活函数softplus。

回到Yolov4的网络结构图，网上随便找的。其中有个CBM模块，M表示mish激活函数。

而mish激活函数可以表达成如下的形式：

所以为什么会出现softplus的提示信息也就可以解释了，那又产生一个新问题，为什么会出现没有定义的情况，或者说，我们凭什么确定softplus没有被定义。这个问题需要回到Vitis-AI手册，在手册中我们可以看到量化并不支持softplus激活函数，所以我们的解决方案就是将Yolov4内的mish激活函数替换为leakyrelu，之所以可以这么做，其实主要还是可以接受两个激活函数的波形相似，当然最有力的支持证据还是在于我替换为leakyrelu函数以后得到的模型在服务器端、开发板都显示好的检测效果。

二、改进Yolov4结构

1.其他如常

darknet的训练依旧参照我在“DOTA与Yolov4(-Tiny)”中darknet那一节，但是需要事先参照接下来的第2节和第3节修改部分内容。

2.修改cfg文件

修改所有mish函数为leaky函数。

3.加快运行

./darknet detector train cfg/voc.data cfg/yolov4-custom-nomish.cfg yolov4.conv.137 -map -gpus 0,1,2 -dont_show

配合修改cfg文件内的

learning_rate=0.00087
burn_in=4000
max_batches = 30000
policy=steps
steps=24000,27000
scales=.1,.1

三、改进Yolov4结构后的推测效果

推测前

推测后

总结

重新调整了Yolov4的网络结构！