yolov4算法改进

YOLOv4算法在几个方面进行了改进。首先，网络结构上改进了基础骨干网络，从darknet53改为了CSPdarknet53，同时将激活函数都换成了mish来提升模型的特征提取能力。此外，为了减少内存空间的占用，将输入通道数的一半用于卷积计算，另一半则在一个小模块结束时进行cat拼接。

其次，在结构上进行了调整。原来v3spp结构中的conSet结构被舍弃，保留了SPP结构，并增加了PAN结构。PAN结构可以利用FPN结构来理解。在FPN结构中，高层特征向上采样并与底层特征融合，得到输出特征。而在PAN结构中，先利用底层特征进行下采样，并与高层特征进行融合，然后再将融合后的特征进行上采样，并与低层特征进行融合输出。

此外，还引入了一些tricks，如自适应图片缩放、遗传算法、SE module等，来提升YOLOv4的性能。同时，使用了CIOU作为目标框回归的损失函数。

综上所述，YOLOv4算法在网络结构、特征提取能力、结构调整和tricks应用等方面进行了改进，以提升目标检测的准确性和性能。