yolov4和v5

back bone

使用了spp结构，一定程度上解决了多尺度问题。

第一个圈是back bone，第二个圈是 fpn金字塔结构，第三个圈是倒金字塔结构。

v4的整体结构

优化策略

这是v3的，有一个问题，就说当grid cell的中心点落在交线上就不太好处理。

所以v4增加了一个scale因子，scale可以取2。

这个是v3的匹配，先拿左边3个anchor和gt做iou计算，然后看gt的中心点落在哪个grid cell里面，就用这个grid cell的3个anchor里iou大于0.3的作为正样本，用它来预测了。

这个是v4了，可以看到，gt框的中心点落在一个grid cell里面，再加上左边和上边的grid cell，因为经过右下角的变化，变成-0.5到1.5了，然后上面这个grid cell的左上角顶点的x坐标距离中心点小于0.5，y坐标也是小于1.5的，所以上面这个grid cell可以入选。

更多情况如上图所示。

尺度。

v5

https://blog.youkuaiyun.com/qq_37541097/article/details/123594351



这个图就是注意力机制了。

换成了sppf，

数据增强。mosaic，将四张图片拼成一张图片，可以增加多样性。

把人扣下来，和长颈鹿放在一起。

仿射变换，平移旋转缩放等等，

把两张图片设置透明程度混合成一张图片。