目标检测器（Object detector）：
?
Input：image,patches,image pyramid,...
Backbone：VGG16,ResNet-50,ResNeXt-101,Darknet53...
Neek：FPN,PANet,Bi-FPN,...
Head：
????????Dense Prediction：RPN,YOLO,SSD,RentinaNet,FCOS,...
????????Sparse Prediction：Faster R-CNN,R-FCN,...
（可以自由组合成一个网络）
YOLOv4：
Backbone：CSPDarknet53
Neck：SPP，PAN
Head：YOLOv3
YOLOv4前生：
YOLOv1：直接回归出位置
YOLLOv2：全流程多尺度方法
YOLOv3：多尺度检测头，resblock darknet53
学习模型步骤：
1、前向计算部分（90%）
2、损失函数：mean square error：MSE，cross enporty
3、反向传播部分
分类模型的输入与输出：
输入：矩阵
输出：Onehot
传统检测算法的主要思路：
耗时，最耗时的环节
操作复杂，需要手动生成大量样本
目标检测：滑动窗口分类方法
如何训练？如何组织样本训练？
1、本质上还是训练分类器
2、训练一个二分类器：背景，前景（待检测目标）
3、各个尺度的窗口都训练一个分类器
4、从原图上剪切出背景，归一化到统一大小
5、从原图上剪切出前景，归一化到统一大小
6、背景图片很多，前景图片少：二分类样本不均衡
训练的网络直接预测了12个框，如何得到最终的7目标？
方法一：聚类，聚成7类，然后在这7类中，取置信度得分最大的框
如果两个目标本身就比较接近？
两个框重合度很高，他们呢有很大概率表示的是同一个目标
两个目标与剩下的一个目标比较远？
可以根据框的重合度来完成“聚类”
如果不知道到底有几个目标？
两两遍历，认为重合度较大的那些框表示一个物体
如何衡量重合度？
IoU=交集/并集
NMS（非极大值抑制）
以下去除冗余框的过程：NMS（非极大值抑制）
两两遍历算重合度，计算量大，如何减少计算量：
1、得分置信度最高的框肯定是目标不用计算重合度：得到第一个框
2、既然找到了第一个框，就可以利用重合度，把与第一个框重合的其他框去掉（抑制掉）
3、剩下没有被抑制掉的框中，含有剩下的目标怎么办？
????????拿得分最高，得到第二个目标，抑制掉重合框
4、剩下的没有被抑制掉的框中，含有剩下的目标怎么办？
????????拿得分最高的，得到第三个目标，抑制掉重合框
5、没有剩下的框了，结束
检测模型的通病：小目标检测不佳，如何改善?
专门设计神经元你和小目标
yolov4的基础结构（yolov1）：
优点：快，看一眼就出结果
缺点：与R-CNN比，框不准，召回低（很多没有被检测到）
如何做到又快又准又全面？
预测偏移量，基于anchor框和grid的偏移量
如何做到又快又准又全面？
yolo只用了一个尺度，从3个操作：
1、为了多尺度，输入图片尺寸要大
2、为了多尺度passthrough，检测头不能出现全连接，将其替换为卷积
3、多个尺度图片的训练
4、推理的时候，图片要大，保证多尺度训练不白费
预测偏移量，基于anchor框和grid的digmoid偏移量
增加候选框的数目，框也不再共用类别，3个操作：
1、7x7太小，增大为13x13
2、每个grid对应两个人为设定的anchor，增加为5个统计得到的anchor
3、每个anchoe对应一个类别
全流程多尺度，4个操作：
1、为了多尺度，输入图片尺寸要大
2、为了多尺度passthrough，检测头不能出现全连接，将其替换为卷积
3、多个尺度的图片训练
4、推理的时候，图片也要大，保证多尺度训练不白费