【YOLO系列】YOLOv4

⭐ YOLOv4

参考文献：《YOLOv4: Optimal Speed and Accuracy of Object Detection（2020）》

YOLOv4是对YOLOv3的一个改进，总结了几乎所有的检测技巧，引用文献量超过100篇，又提出了一点技巧，然后经过筛选，排列组合，挨个实验哪些方法有效。实际上是一种技巧的堆叠，没有提出实质性的新内容，但确实提高了性能。

---

✔️诞生背景

YOLO原作者宣布退出CV界，YOLOv4的作者其实不是前三篇YOLO的一作，现在大量的网络模型并不能实时运行，且需要很多GPU训练，YOLOv4的目的就是可在生产系统中快速运行，并为并行计算进行优化，更容易训练和使用。

✔️网络结构

1. 目标检测模型概括

• Input: Image, Patches, Image Pyramid

• Backbones: (提取特征CNN)

  • CPU: SqueezeNet, MobileNet, ShuffleNet
  • GPU: VGG16, ResNet50, ResNeXt, DenseNet

• Neck: (汇聚不同层信息)

  <