YOLOv3-v4

Input 改进点

采用 Mosaic 实现数据增强。

Backbone 改进点
采用 CSPNet（Cross Stage Partial Network）网络结构

用 Concat 代替 Add，提取更丰富的特征。
Concat 操作后，特征图的尺寸不变，深度会增加，而 Add 操作后尺寸和深度都不改变，从这个意义上说，用 Concat 代替 Add，就能够提取更丰富的特征。
引入 transition layer （1 * 1conv + 2 * 2pooling），提取特征，降低计算量，提升速度。11卷积+pooling代替33

用 dropblock 取代 dropout

dropout 缺点：每次训练时随机去掉的神经元可以通过相邻的神经元来预测，因为随着网络层数的增加，神经元之间的相关性是越来越强。
dropblock：每次训练时随机去掉一整片区域，这样就能组合更多不一样的网络，从而表现出更好的泛化作用。

Neck 改进点

yolov3 ：简单上采样+concat
yolov4：FPN（Feature pyramid networks） + PANet（Path Aggregation Network）

Head 改进点

用 CIoU Loss 取代 Iou Loss(包括了IOU相同时中心距离的差距，IOU=0时离中心的距离)