yolov4

这篇写的很好：

https://zhuanlan.zhihu.com/p/150127712

和YOLO V3对比,主要做了以下改变:

1. 相较于YOLO V3的DarkNet53，YOLO V4用了CSPDarkNet53
2. 相较于YOLO V3的FPN,YOLO V4用了SPP+PAN
3. CutMix数据增强和马赛克（Mosaic）数据增强
4. DropBlock正则化
5. 等等

2.1 BackBone:CSPDarknet53

YOLO V4中，选择了具有CSP（Cross-stage partial connections跨阶段连接）的darknet53。

CSP结构即是在resn的头尾增加了connections。

2.2 Neck:SPP+PAN & Head:YOLO HEAD

目标检测模型的Neck部分主要用来融合不同尺寸特征图的特征信息。常见的有MaskRCNN中使用的FPN等，这里我们用EfficientDet论文中的一张图来进行说明。

可见，随着人们追求检测器在COCO数据集上的MAP指标,Neck部分也是出了很多花里胡哨的结构呀。

本文中的YOLO V4就是用到了SPP（Spatial pyramid pooling）+PAN(Path Aggregation Network，上图的结构b)。

3.损失函数

YOLO V4相较于YOLO V3,只在bounding box regression做了创新，用CIOU代替了MSE，其他两个部分没有做实质改变