yolov8 站立检测

YOLOv3是一种目标检测算法，而YOLOv4是对YOLOv3的改进和优化。YOLOv4在YOLOv3的基础上引入了一系列新的技术和改进，以提高检测精度和速度。

YOLOv4的一些主要改进包括：
1. CSPDarknet53骨干网络：YOLOv4使用了一种新的骨干网络结构，称为CSPDarknet53，它在保持模型轻量级的同时提高了特征提取能力。
2. PANet特征融合：YOLOv4引入了PANet（Path Aggregation Network）来进行多尺度特征融合，以提高对不同尺度目标的检测能力。
3. SAM模块：YOLOv4使用了Spatial Attention Module（SAM）来增强模型对空间信息的感知能力，提高检测精度。
4. CIOU损失函数：YOLOv4使用了一种新的损失函数，称为CIOU（Complete Intersection over Union），它在计算目标框与预测框之间的IoU时考虑了更多的因素，提高了目标定位的准确性。
5. 数据增强策略：YOLOv4采用了一系列新的数据增强策略，如Mosaic数据增强、CutMix数据增强等，以增加模型的鲁棒性和泛化能力。