YOLOv1
YOLOv1提出单阶段anchor-free的目标检测方法
将图像分为SxS的grid cell，每个有物体中心落入的grid cell对应回归B个BBox，每个grid cell预测一个P(Cls|Object)，B个BBox，每个BBox预测5个值：x，w，h，w，confidence，损失函数包括三部分，坐标回归误差，分类误差和IOU误差
YOLOv2
YOLOv2 在v1基础上提出多项改进
BatchNorm加入到每个卷积层的后面，效果提升2.4%
用高分辨率（448x448）的图像来微调分类模型（backbone），效果提升4%
使用anchor boxes（相对于cell进行偏移，框的重心不能超过cell），每个grid cell产生9个anchor boxes（13x13x9），移除全连接层（Darknet-19，19个卷积+5MaxPooling），输入图像尺寸可以是任意的
对anchor box的设置进行k-means聚类，k=5
passthrough，将最后的pooling+convolution之前的特征（26x26x512）在空间维度上拆分为四份（13x13），然后拼接，并叠加到Pooling+Convolution的结果上，以此来保留部分细节信息，缓解小目标的漏检问题
多尺度图像训练，整个网络降采样的倍数是32，采用10种图像尺寸，训练时10个batch就随机更换一种尺寸
增加输入图像的分辨率，效果提升
YOLOv3
YOLOv3 在v2基础上提出少量改进
提出新网络Darknet53，采用类似FPN的多尺度特征融合结构，并进行多尺度预测
YOLOv4
YOLOv4 在v3基础上，做了大量实验，总结出一个更好的模型
Backbone：CSPDarknet53(Cross-stage partial connections+Multiinput weighted residual connections)(参考CSPNet)
Neck：SPP，PAN
Head：YOLOv3
Tricks：
CutMix
将图像一部分区域cut掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值（cropped），类别按一定的比例分配
Mosaic data augmentation
Mosaic数据增强，把四张图拼成一张图来训练
DropBlock
label smoothing
Mish Activation
Cross mini-Batch Normalization
Self-Attention Module
Path Aggregation Network
Self-Adversarial Training
在一张图上，让神经网络反向更新图像，对图像做改变扰动，然后在这个图像上训练
YOLOv4整体结构
YOLOv4总结
YOLOv5
YOLOv3/v4 part pytorch实现
移动端部署
