1、YOLO V4

原论文下载地址：https://arxiv.org/abs/2004.10934

1.1、网络结构

相比之前的YOLOv3，改进了下Backbone，在Darknet53中引入了CSP模块（来自CSPNet）。在Neck部分，采用了SPP模块（Ultralytics版的YOLOv3 SPP就使用到了）以及PAN模块（来自PANet）。Head部分没变还是原来的检测头。
YOLO v4的网络结构包括的三部分：

Backbone: CSPDarknet53
Neck: SPP，PAN
Head: YOLO v3

在这里插入图片描述

1.1.1、BackBone：CSPDarknet53

在YOLO v3中使用的主干网络是 Darknet53，在YOLO v4中运用的主干网络叫:CSPDarknet53，引入了CSP结构
CSP结构有什么具体的作用呢？原论文是这么说的：（换句话说就是YOLO v4的优点）

Strengthening learning ability of a CNN(增强CNN学习能力)
Removing computational bottlenecks(降低计算瓶颈)
Reducing memory costs(减少内存使用)

也就是说加入CSP结构以后不仅从网络上做了提升，还在物理性能上做了优化，减少显存的使用。

1、这个CSP结构来自于CSPDenseNet这篇论文，具体结构如何：如下图
在这里插入图片描述

通过CNN特征抽取的到特征层：

对于输入的特征层，首先分成两部分Part1，Part2（在通道方向进行均分操作）
对Part2分支首先通过一系列的DenseBlock，在通过Transition
将Patr1和Part2的输出进行一个融合，也就是concat拼接
拼接以后在通过Transition

但是YOLO v4中的CSP结构和CSPDenseNet的优点不一样：
在这里插入图片描述

分割方式不一样：在CSP模块之前进行一个下采样，下采样的结果进行两次1 x 1 x C(输入通道数的一半)的卷积，作为两个Part
在part2上接一系列的ResBlock，在通过1 x 1 x C的卷积层
part2的结果与part1进行concat通道数上的拼接
拼接后的结果进行 1 x 1 x 2C的卷积

2、知道了CSP的结构以后，看一下CSPDarknet53的整体结构：
还是用上面提到的UP主的杰作

k代表卷积核的大小
s 代表步距
c 代表通过该模块输出的特征层channels
注意，CSPDarknet53 Backbone中所有的激活函数都是Mish激活函数

注意每一个ResBlock中的通道数发生了变化，作者在DownSample中的ResBlock就展开画了。并且DownSample1中的part分支并没有减半。从DownSample2才开始减半。

1.1.2、Neck：SPP结构

在这里插入图片描述

将特征层输入进行三个不同大小池化核的MaxPool2d
将1得到的三个输出与SPP输入特征层进行Concat拼接

通过SSP结构在一定程度上解决多尺度问题

1.1.3、Neck：PAN结构

PAN（Path Aggregation Network）结构其实就是在FPN（从顶到底信息融合）的基础上加上了从底到顶的信息融合，如下图(b)所示。图中最左边的部分就是BackBlone主干网络。
在这里插入图片描述
但YOLOv4的PAN结构和原始论文的融合方式又略有差异，如下图所示。图(a)是原始论文中的融合方式，即特征层之间融合时是直接通过相加的方式进行融合的，但在YOLOv4中是通过在通道方向Concat拼接的方式进行融合的。
在这里插入图片描述