blocks|key|984825|text|Yolov4+Vs+Yolov3:|type|unstyled|depth|inlineStyleRanges|offset|length|style|BOLD|entityRanges|data|984826|Darknet53使用Yolov3作为主干，Yolov4使用CSPDarknet53作为主干。|unordered-list-item|CODE|984827|Yolov4使用PANet作为不同检测级别的不同骨干层的参数聚合方法，而不是Yolov3中使用的FPN。|984828|YOLOv4包括：|984829|主干：+CSPDarknet53+(特征提取)|ordered-list-item|984830|Neck:附加模块-+SPP，PANet+-这在Yolov3中没有|984831|头：+YOLOv3+(稠密预测块)这部分与Yolov3相同|984832|​|984833|📷|atomic|984834|984835|Neck:近年来发展起来的对象检测器常常在主干和头部之间插入一些层，这些层通常用于收集来自不同阶段的特征图。|blockquote|984836|参考文献：|984837|详细阅读Yolov4文件|984838|阅读这文章|984839|entityMap|0|IMAGE|mutability|IMMUTABLE|imageUrl|https://developer.qcloudimg.com/http-save/yehe-900000/e018e3ddce2d6e001a0a34512397de10.png|imageAlt|1|LINK|MUTABLE|url|https://arxiv.org/pdf/2004.10934.pdf|2|https://medium.com/@jonathan_hui/yolov4-c9901eaa8e61^0|0|H|0|0|9|U|C|0|9|U|C|0|8|5|1C|3|0|0|0|3|0|0|5|0|0|2|0|0|0|1|0|0|0|0|D|0|0|4|6|1|0|2|1|2|0^^$0|@$1|2|3|4|5|6|7|1P|8|@$9|1Q|A|1R|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|1S|8|@$9|1T|A|1U|B|C]|$9|1V|A|1W|B|C]|$9|1X|A|1Y|B|I]|$9|1Z|A|20|B|I]]|D|@]|E|$]]|$1|J|3|K|5|H|7|21|8|@$9|22|A|23|B|I]|$9|24|A|25|B|I]]|D|@]|E|$]]|$1|L|3|M|5|6|7|26|8|@]|D|@]|E|$]]|$1|N|3|O|5|P|7|27|8|@$9|28|A|29|B|C]]|D|@]|E|$]]|$1|Q|3|R|5|P|7|2A|8|@$9|2B|A|2C|B|C]]|D|@]|E|$]]|$1|S|3|T|5|P|7|2D|8|@$9|2E|A|2F|B|C]]|D|@]|E|$]]|$1|U|3|V|5|6|7|2G|8|@]|D|@]|E|$]]|$1|W|3|X|5|Y|7|2H|8|@]|D|@$9|2I|A|2J|1|2K]]|E|$]]|$1|Z|3|V|5|6|7|2L|8|@]|D|@]|E|$]]|$1|10|3|11|5|12|7|2M|8|@$9|2N|A|2O|B|C]]|D|@]|E|$]]|$1|13|3|14|5|6|7|2P|8|@]|D|@]|E|$]]|$1|15|3|16|5|H|7|2Q|8|@]|D|@$9|2R|A|2S|1|2T]]|E|$]]|$1|17|3|18|5|H|7|2U|8|@]|D|@$9|2V|A|2W|1|2X]]|E|$]]|$1|19|3|-4|5|6|7|2Y|8|@]|D|@]|E|$]]]|1A|$1B|$5|1C|1D|1E|E|$1F|1G|1H|-4]]|1I|$5|1J|1D|1K|E|$1L|1M]]|1N|$5|1J|1D|1K|E|$1L|1O]]]]

Yolov4 Vs Yolov3:
<ul>
<li>Yolov3 uses <code>Darknet53</code> as backbone, Yolov4 uses
<code>CSPDarknet53</code> as backbone.</li>
<li>Yolov4 uses <code>PANet</code> as the method of parameter aggregation from different backbone levels for different detector levels, instead of the <code>FPN</code> used in Yolov3.</li>
</ul>
YOLOv4 consists of:
<ol>
<li>Backbone: CSPDarknet53 (Feature Extraction)</li>
<li>Neck: Additional module - SPP, PANet [this was not there in Yolov3]</li>
<li>Head: YOLOv3 (Dense Prediction Block) [This part is same as Yolov3]</li>
</ol>
<a href="https://i.stack.imgur.com/xrOwX.png" rel="noreferrer"><img src="https://i.stack.imgur.com/xrOwX.png" alt="Yolov4-arch" /></a>
<blockquote>
Neck: Object detectors developed in recent years often insert some
layers between backbone and head, and these layers are usually used to
collect feature maps from different stages.
</blockquote>
References:
<ul>
<li>Read <a href="https://arxiv.org/pdf/2004.10934.pdf" rel="noreferrer">Yolov4</a> paper in detail</li>
<li>Read <a href="https://medium.com/@jonathan_hui/yolov4-c9901eaa8e61" rel="noreferrer">this</a> article</li>
</ul>

I try to understand the architecture of Yolo4.
It is composed of a backbone, neck, dense prediction and sparse prediction.
Knowing that Yolo 3 has already a backbone, Is Yolo 4 taking all the architecture of Yolo 3 including its backbone or just part of Yolo3 ?
In page number 5 in paper Yolo 4, they've mentioned anchor based for Yolo3
Yolo 4 : <a href="https://arxiv.org/pdf/2004.10934.pdf" rel="noreferrer">https://arxiv.org/pdf/2004.10934.pdf</a>
Yolo 3 :<a href="https://pjreddie.com/media/files/papers/YOLOv3.pdf" rel="noreferrer">https://pjreddie.com/media/files/papers/YOLOv3.pdf</a>

How Yolo 3 is implemented in Yolo 4?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我试着理解Yolo4的架构。它由主干、颈、稠密预测和稀疏预测组成。知道Yolo 3已经有了骨干，Yolo 4是占据了Yolo 3的所有架构，包括它的主干，还是仅仅是Yolo3的一部分？在文件Yolo 4的第5页中，他们提到了基于Yolo3的锚Yolo 4：Yolo 3 :

问Yolo 3是如何在Yolo 4中实现的？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Yolo 3是如何在Yolo 4中实现的？EN