睿智的目标检测yolov4

引用[1]: 睿智的目标检测30——Pytorch搭建YoloV4目标检测平台 学习前言什么是YOLOV4代码下载YOLOV4改进的部分（不完全）YOLOV4结构解析1、主干特征提取网络Backbone2、特征金字塔3、YoloHead利用获得到的特征进行预测4、预测结果的解码5、在原图上进行绘制 YOLOV4的训练1、YOLOV4的改进训练技巧a)、Mosaic数据增强b)、Label Smoothing平滑c)、CIOUd)、学习率余弦退火衰减 2、loss组成a)、计算loss所需参数b)、y_pre是什么c)、y_true是什么。d)、loss的计算过程 训练自己的YoloV4模型一、数据集的准备二、数据集的处理三、开始网络训练四、训练结果预测 。 引用[2]: 睿智的目标检测50——Tensorflow2 利用mobilenet系列（v1,v2,v3）搭建yolov4目标检测平台 学习前言源码下载网络替换实现思路1、网络结构解析与替换思路解析2、mobilenet系列网络介绍a、mobilenetV1介绍b、mobilenetV2介绍c、mobilenetV3介绍 3、将特征提取结果融入到yolov4网络当中 如何训练自己的mobilenet-yolo4一、数据集的准备二、数据集的处理三、开始网络训练四、训练结果预测 。 引用[3]: YOLOV4是YOLOV3的改进版，在YOLOV3的基础上结合了非常多的小Tricks。 尽管没有目标检测上革命性的改变，但是YOLOV4依然很好的结合了速度与精度。 根据上图也可以看出来，YOLOV4在YOLOV3的基础上，在FPS不下降的情况下，mAP达到了44，提高非常明显。

问题: 睿智的目标检测yolov4是什么?
回答: 睿智的目标检测系列中介绍了两个版本的yolov4，分别是基于Pytorch的版本和基于Tensorflow2的版本。[1][2] YOLOV4是YOLOV3的改进版，结合了许多小技巧，提高了速度和精度。尽管没有革命性的改变，但是在保持FPS不下降的情况下，mAP达到了44，表现非常明显。[3]