一文看懂YoloV4 | YoloV4最新解讀！Yolov4重磅推出！yolov4深入理解！

剛剛在看論文的時候發現yolov4竟然悄無聲息的出現了！！！

太棒了！！！

https://arxiv.org/abs/2004.10934v1

代碼：https://github.com/AlexeyAB/darknet

據說有許多功能可以提高卷積神經網絡（CNN）的準確性。 需要在大型數據集上對這些特徵的組合進行實際測試，並對結果進行理論證明。 某些功能僅在某些模型上運行，並且僅在某些問題上運行，或者僅在小型數據集上運行； 而某些功能（例如批歸一化和殘差連接）適用於大多數模型，任務和數據集。 我們假設此類通用功能包括加權殘差連接（WRC），跨階段部分連接（CSP），跨小批量標準化（CmBN），自對抗訓練（SAT）和Mish激活。 我們使用以下新功能：WRC，CSP，CmBN，SAT，Mish激活，馬賽克數據增強，CmBN，DropBlock正則化和CIoU丟失，並結合其中的一些功能來實現最新的結果：43.5％的AP（65.7 在Tesla V100上，MS COCO數據集的實時速度約爲65 FPS。