前言
四月下旬，YOLOV4騰空出世，作者是Alexeyab。因爲之前一直有對他的github 代碼（https://github.com/AlexeyAB/darknet）有研究，也學習和借鑑了不少好的方法（當然裏面也有效果一般和不太認同的地方）。所以初以爲YOLOV4就是一個YOLOV3 optimal版本，這幾天真正看了下YOLOV4，並把它在自己數據集上跑起來後 才知道V4和V3的確有較大的一些改變。
網絡結構
V3的backbone是darknet53，實際卷積層數是52層，它主要有CBL+Res1+Res2+Res8+Res8+Res4組成，CBL是Conv+Bn+Leaky-relu的統稱，每個CBL包含一個Conv;每個ResX包含1+2*X個卷積層，所以這個主幹分類網絡（特徵提取器）的卷積層數目=1+(1+2*1)+(1+2*2)+(1+2*8)+(1+2*8)+(1+2*4)= 1+3+5+17+17+9=52層。
這裏要搞清楚的一個概念是整個yolo3網絡層結構一共有106層，這裏麪包括Conv+Res+yolo+upsample+其它類型層。此外除了backbone的52個卷積層外，後面在三個yolo層輸出前的處理中也分別有7個卷積層（這個部分叫neck）。V3網絡層結構末尾層次信息截圖如下所示。
V4的backbone是基於V3 darknet53基礎上引入了CSP(Cross Stage Paritial)模塊來把RESX模塊取代掉。CSP模塊是2019年誕生的網絡模塊，比Resnet有更強的學習能力，每個CSPX包含3+2*X個卷積層，因此整個主幹網絡backbone一共包含2+（3+2*1）+2+（3+2*2）+2+（3+2*8）+2+（3+2*8）+2+（3+2*4）+1=72。 從這裏可以看到V4的主幹網絡要比V3的整整多了20個卷積層。
V4 backbone後面的Neck部分也變得更加複雜了， 添加了SPP, FPN+PAN結構等。我們以608x608網絡size爲例來分別看看V3和V4的網絡層次不同地方。
V3: 608x608->304x304->152x152->76x76->38x38->19x19->yolo1->upsample->38x38->yolo2->upsample->76x76->yolo3
V4:608x608->304x304->152x152->76x76->38x38->19x19->upsample->38x38->upsample->76x76->yolo1->38x38->yolo2->19x19->yolo3。
從上面兩種網絡層次結構看，V4的neck部分的確添加了很多層。 正因爲backbone和neck層數的增加，所以V4一共有161層了，如下截圖所示：
最後就是YOLO層的處理了，即Head部分，V4和V3差不多的，只是V4使用了DIOU_nms而已。
結論
YOLOV4的網絡結構比V3變得的更復雜了，主要體現在backbone和neck部分。 目前正在基於自己數據集訓練中，速度很慢啊，至於效果怎麼樣，後面再來分享。