m0_60937982的博客

YOLOV4是一种目标检测算法，它使用深度学习技术来实现实时目标检测。它是YOLO（You Only Look Once）系列算法的第四个版本，具有更高的准确性和更快的速度。YOLOV4在计算机视觉领域具有广泛的应用，可以用于车辆识别、行人检测、物体追踪等任务。

YOLO-V3（You Only Look Once version 3）是一种实时目标检测算法，用于在图像和视频中检测和分类对象。它是对之前版本的YOLO的改进，具有更好的准确性和速度。YOLO-V3使用单个神经网络将输入图像划分为网格，并为每个网格单元格预测边界框和类别概率。这允许在实时应用程序中进行高效准确的目标检测。

很明显，堆叠小的卷积核所需的参数更少一些，并且卷积过程越多，特征提取也会越细致，加入的非线性变换也随着增多，还不会增大权重参数个数，这就是VGG网络的基本出发点，用小的卷积核来完成体特征提取操作。faster-rcnn系列选择的先验比例都是常规的，但是不一定完全适合数据集。通过引入anchor boxes，使得预测的box数量更多（13*13*n）最后一层时感受野太大了，小目标可能丢失了，需融合之前的特征。V1训练时用的是224*224，测试时使用448*448。没有FC层，5次降采样（13*13）