Yolo 3 在 Yolo 4 中是如何实现的？
How Yolo 3 is implemented in Yolo 4?
我尝试了解Yolo4的架构。
它由一个backbone、neck、dense prediction和sparse prediction组成。
知道 Yolo 3 已经有了 backbone，Yolo 4 是采用 Yolo 3 的所有架构，包括它的 backbone 还是只是 Yolo3 的一部分？
在论文 Yolo 4 的第 5 页中，他们提到了基于 Yolo3 的锚
Yolov4 对比 Yolov3：
- Yolov3使用
Darknet53为backbone,Yolov4使用
CSPDarknet53 作为 backbone.
- Yolov4 使用
PANet 作为不同 backbone 级别的参数聚合方法，用于不同的检测器级别，而不是 Yolov3 中使用的 FPN。
YOLOv4 包括：
- Backbone: CSPDarknet53（特征提取）
- 颈部： 附加模块 - SPP、PANet [Yolov3 中没有]
- Head: YOLOv3 (Dense Prediction Block) [这部分与Yolov3相同]
Neck: Object detectors developed in recent years often insert some
layers between backbone and head, and these layers are usually used to
collect feature maps from different stages.
参考文献：
我尝试了解Yolo4的架构。 它由一个backbone、neck、dense prediction和sparse prediction组成。 知道 Yolo 3 已经有了 backbone，Yolo 4 是采用 Yolo 3 的所有架构，包括它的 backbone 还是只是 Yolo3 的一部分？
在论文 Yolo 4 的第 5 页中，他们提到了基于 Yolo3 的锚
Yolov4 对比 Yolov3：
- Yolov3使用
Darknet53为backbone,Yolov4使用CSPDarknet53作为 backbone. - Yolov4 使用
PANet作为不同 backbone 级别的参数聚合方法，用于不同的检测器级别，而不是 Yolov3 中使用的FPN。
YOLOv4 包括：
- Backbone: CSPDarknet53（特征提取）
- 颈部： 附加模块 - SPP、PANet [Yolov3 中没有]
- Head: YOLOv3 (Dense Prediction Block) [这部分与Yolov3相同]
Neck: Object detectors developed in recent years often insert some layers between backbone and head, and these layers are usually used to collect feature maps from different stages.
参考文献：