原文鏈接：https://blog.csdn.net/nan355655600/article/details/106246625
YOLO v3
Yolov3是2018年發明提出的，這成為了目標檢測one-stage中非常經典的算法，包含Darknet-53網絡結構、anchor錨框、FPN等非常優秀的結構。
上圖三個藍色方框內表示Yolov3的三個基本組件：
（1）CBL：Yolov3網絡結構中的最小組件，由Conv+Bn+Leaky_relu激活函數三者組成。
（2）Res unit：借鑒Resnet網絡中的殘差結構，讓網絡可以構建的更深。
（3）ResX：由一個CBL和X個殘差組件構成，是Yolov3中的大組件。每個Res模塊前面的CBL都起到下采樣的作用，因此經過5次Res模塊后，得到的特征圖是608->304->152->76->38->19大小。
其他基礎操作：
（1）Concat：張量拼接，會擴充兩個張量的維度，例如26×26×256和26×26×512兩個張量拼接，結果是26×26×768。Concat和cfg文件中的route功能一樣。
（2）Add：張量相加，張量直接相加，不會擴充維度，例如104×104×128和104×104×128相加，結果還是104×104×128。add和cfg文件中的shortcut功能一樣。
Backbone中卷積層的數量：
每個ResX中包含1+2×X個卷積層，因此整個主干網絡Backbone中一共包含1+（1+2×1）+（1+2×2）+（1+2×8）+（1+2×8）+（1+2×4）=52，再加上一個FC全連接層，即可以組成一個Darknet53分類網絡。不過在目標檢測Yolov3中，去掉FC層，不過為了方便稱呼，仍然把Yolov3的主干網絡叫做Darknet53結構
YOLO v4
先整理下Yolov4的五個基本組件：
1. CBM：Yolov4網絡結構中的最小組件，由Conv+Bn+Mish激活函數三者組成。
2. CBL：由Conv+Bn+Leaky_relu激活函數三者組成。
3. Res unit：借鑒Resnet網絡中的殘差結構，讓網絡可以構建的更深。
4. CSPX：借鑒CSPNet網絡結構，由卷積層和X個Res unint模塊Concat組成。
5. SPP：采用1×1，5×5，9×9，13×13的最大池化的方式，進行多尺度融合。
其他基礎操作：
1. Concat：張量拼接，維度會擴充，和Yolov3中的解釋一樣，對應於cfg文件中的route操作。
2. Add：張量相加，不會擴充維度，對應於cfg文件中的shortcut操作。
Backbone中卷積層的數量：
和Yolov3一樣，再來數一下Backbone里面的卷積層數量。
每個CSPX中包含5+2×X個卷積層，因此整個主干網絡Backbone中一共包含1+（5+2×1）+（5+2×2）+（5+2×8）+（5+2×8）+（5+2×4）=72。
這里大白有些疑惑，按照Yolov3設計的傳統，72個卷積層，加上最后的一個全連接層，主干網絡的名字不應該叫CSPDarknet73嗎？？？？
大白主要從以上4個部分對YoloV4的創新之處進行講解，讓大家一目了然。
（1）輸入端：這里指的創新主要是訓練時對輸入端的改進，主要包括Mosaic數據增強、cmBN、SAT自對抗訓練。
Mosaic數據增強主要有幾個優點：
a. 豐富數據集：隨機使用4張圖片，隨機縮放，再隨機分布進行拼接，大大豐富了檢測數據集，特別是隨機縮放增加了很多小目標，讓網絡的魯棒性更好。
b. 減少GPU：可能會有人說，隨機縮放，普通的數據增強也可以做，但作者考慮到很多人可能只有一個GPU。
因此Mosaic增強訓練時，可以直接計算4張圖片的數據，使得Mini-batch大小並不需要很大，一個GPU就可以達到比較好的效果。
（2）BackBone主干網絡：將各種新的方式結合起來，包括：CSPDarknet53、Mish激活函數、Dropblock
（3）Neck：目標檢測網絡在BackBone和最后的輸出層之間往往會插入一些層，比如Yolov4中的SPP模塊、FPN+PAN結構
（4）Prediction：輸出層的錨框機制和Yolov3相同，主要改進的是訓練時的損失函數CIOU_Loss，使得預測框回歸的速度和精度更高一些，以及預測框篩選的nms變為DIOU_nms。
性能對比：
