标签：YOLOV4 SPP 如下 特征 模块 源代码 CSP

        前面咱们都在讨论数据如何增强，这一开始讨论YOLOV4中网络结构的创新之处。YOLOV4将一些主流优秀的框架拿过来用，提升了效果，

会有更多的性能开销，但同时作者又将其进行了简化，是的最终V4速度和mAP达到一个平衡的效果(个人觉得还是V5香，反正原理差不多)。

一、SPP 

SPP能够增大感受野，使得算法适应不分辨率图像（也就是大目标、小目标）；参考YOLOV3（V3中是：动态改变特征图大小，使得模型适应不同分辨率图像，兼顾大、小目标）

其实，输入一个特征图，经过如下图Mutil-Scale MaxPooling的时候，能够将特征图size调整到一致，后续方便堆叠在一起。

 二、CSP

       接下来的CSP模块是YOLOV4中最为核心的模块。官方YOLOV4也叫做 CSP-DarkNet

如下图，左边是ResNet，CSP不仅能够和残差网络组合，用在其他网络也是可以的。CSP的一个优势为：

如下图b，将特征特分为两个部分，只有其中一个部分进行常规处理，最后将两部分合并在一起，计算量减少一半；

如图b的模块在整个网络中被多次使用。论文中表述：这种做法使得速度极大提升，精度不降反而略微提升！

标签：YOLOV4,SPP,如下,特征,模块,源代码,CSP
来源： https://www.cnblogs.com/winslam/p/14452136.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。