YOLOv4

 输入416*416*3的的图片，然后经过普通的darknet卷积，然后resblock(残差网络结构)，第一次卷积变成416*416*32，然后高和宽不端的压缩为原来的二分之一，通道数不断的扩张，最终变成1024。最后对13*13*1024进行三次的卷积操作，在进入SPP模块，利用不同大小的池化核对输入进来的特征层进行最大池化，池化后进行堆叠后再进行三次卷积。

进入加强提取特征网络，获得三次卷积后的特征层先进行一个上采样，高和宽变成原来的2倍，特征层的shape变成26*26，再和主干特征提取网络的26*26*512的特征层进行一个堆叠，就实现了一个特征融合，然后继续上采样，继续堆叠。再往下走进行下采样变成26*26的特征层，然后再和前边这个特征层进行一个堆叠，堆叠后进行5次卷积，继续下采样，到了最下边再堆叠再进行5次卷积。

最后YOLO Head会根据提取到的特征进行结果预测。

CSPDarknet53:有一张图片输入进来之后，先经过这个结构，最后获得三个有效特征层，分别是52*52*256、26*26*512，13*13*1024的特征层。

Resblock是一系列残差结构构成的大卷积块。

如下图，分为两部分，右边是残差网络的堆叠，另一部分是大残差边的处理，只经过少量的处理就直接和输出连接了。

yolov4输出将原图片划分成不同大小的网格，比如13*13的有效特征层把原图片划分成不同大小的网格，26*26的有效特征层把原图片划分成不同大小的网格，52*52的有效特征层把原图片划分成不同大小的网格。

如下图，每一个特征点会预先设定三个先验框，yolov4的预测结果只会判定这些框的内部是否包含物体以及物体的种类，并且对先验框进行调整，获得预测框，也就是下面这个黄色的框