**
Yolo v4学习心得
1 Yolo v4网络框架
2网络框架改进
2.1 主干网络改进
比较Yolo v3主干网络框架，Yolo v4主干网络框架由Darknet53变为了CSPDarknet，该主干网络较Darknet53有两个主要的改进，其一：改变了残差结构，运用了CSPnet网络的残差结构。其二：改变了**函数，将Darknet53中的**函数LeakyReLU修改成了Mish**函数。
2.2 空间金字塔池化（spp）
引入空间金字塔池化，采用不用尺寸的池化核，极大地增加感受野，分离出最显著的上下文特征
2.3 PANet结构
为最大限度的提取特征，受PAnet启发，yolov4采用了PANnet循环往复的提取特征，最大限度的采集特征。
3 网络训练
3.1Mosaic数据增强
yolov4 采用了一种新的数据增强方式：masaic数据增强，其对四张实验图，进行一定旋转，缩放，尺度变换等基本操作，然后分别将图片按照左上，左下，右上，右下位置进行组合，该数据扩充方式丰富了背景，提高了训练模型的泛化能力。
3.2 CIOU
CIOU将目标与anchor之间的距离，重叠率、尺度以及惩罚项都考虑进去，使得目标框回归变得更加稳定，不会像IoU和GIoU一样出现训练过程中发散等问题。
相应的各表达式如图所示，c表示预测框和真实框最远对角线距离，d表示两框中间点间距离。