Backbone

YOLOv4的骨干是CSPDarknet53
CSP结构的作用：1. 增强CNN的学习能力 2. 移出计算瓶颈 3. 减少内存开销
CSP首先将输入的特征层分成两个部分，这里以densenet为例，part2分支经过denseblock后，进过一个transition，然后和part1 concat后再经过transition模块。
CSP的两个分支是在通道方向上进行的一个均分操作，但是在YOLOv4中是采用卷积的方式来实现分离（如下图右半部分所示），v4中的transition使用的是1*1的卷积

SPP

Spatial Pyramid Pooling，分为三路做maxpooling 然后再做类似残差连接，SPP支持任意大小，不管多大都是划分成一样的网格做maxpooling，是resize或者裁剪的一种替换，SPP相当于是多尺度池化，让模型的鲁棒性更强；可以进行多尺度训练，提高模型的泛化能力，减低过拟合

PAN

图中P5-P2是FPN，FPN是图像特征从高层往底层的一个融合，再将特征由底层往高层进行一个融合，构成最终的PAN模块，PAN=FPN+底层到高层；原始PANnet中采用的是add的方法，这里采用了concat方法

整体结构

注意，在cspdarknet53中使用的激活函数是mish，但是在PAN中使用的激活函数是leaky，

优化策略

提高位置敏感性

存在的问题：当预测的xy就在左上角的时候，也就是$\sigma (t_x)$趋向于0的时候，也就是x趋向于负无穷的时候，但是网络很难输出这么大的值，而且不利于网络收敛。所以针对这点进行了改进

添加了缩放因子，常见的scale取2，原始数据范围和带scale的范围如下图曲线所示

Mosaic数据增强

将4张图片拼接在一起，不同尺寸、不同比例，可以增强样本的多样性，提升模型能力

样本策略

在YOLOv3中，样本策略如下图所示，先左上角对齐，大于固定阈值的作为正样本，如果有多个模板都满足阈值要求，则都作为正样本送入网络，以增强正样本数量

在YOLOv4中，多考虑了gridcell的上方和左方的gridcell， 如下图所示，主要原因是xy的偏移量已经从0-1到了-0.5-1.5了

可能的情况如下：
xy相较于原始的在-0.5-1.5都可以，这里好好理解下

Loss

使用CIOU loss