[论文阅读]YOLOv4: Optimal Speed and Accuracy of Object Detection

题目：YOLOv4: Optimal Speed and Accuracy of Object Detection
作者：Alexey Bochkovskiy， Chien-Yao Wang，Hong-Yuan Mark Lia

【Joseph 因为他的作品被用到了军事等领域及给个人隐私带来的风险，今年2月宣布退出CV, 向yolo创始人Joseph Redmon致敬！】

Motivation:
作者认为常规的网络在一定程度上解决了一定的问题，他想做个大（真是不一般的大）的，因此站在很高（真是不一般的高）的角度上，一览众山小，采用了许多优秀的metrics，并想在速度和效果上兼得，于是创作了yolo v4。并作了大量（真是不一般的大）的实验证明各个metrics对效果的影响。

Methods:

先看效果图吧：

速度确实快且效果好。

作者在文中用大量的篇幅分析了：
1、目标检测网络的普遍特点
2、现阶段各大优秀网络的特点
3、能够通过哪些方法得到最快最好的改进网络效果，如data augmentation,解决数据不平衡问题 ,bbox回归等方法。
4、简单优化就能获得的收益，如增加感受野，特征整合，激活函数，NMS等。
并详细说明了以上优化中的具体方法。

作者站高度高，宽度广，并最终整合各大优化形成 YOLO V4:

Experiments：
我觉得yolo v4 的实验是做得最好的一篇论文了，比较分析了各大metrics对网络效果的影响。

作者煞费苦心的完成各个指标对网络的影响，全面有深度。

速度对比：

然后，作者又煞费苦心的完成效果对比：

【完结】