一、前言

由上篇可以了解v1到v3的版本差異，在之後的版本追求的都是更輕量化、速度更快且更好的辨識能力，本篇將延續上篇繼續介紹v5到v9的版本差異。

YOLO v4

此次更新相較於以往差異較大，v4將Object Detector拆成不同的部分，並做了一系列的修改。

• Backbone： 加入了CSP，把上層的Channel分成兩份，並複製一份倒下層使用，是一種DanseNet的改進方式。
• Data/Label： 新增了馬賽克拼貼、CutMix的數據增廣方式，並使用Smooth Label作為訓練輸入。
  

馬賽克拼貼數據增廣。圖片來源：YOLO v4 Paper

YOLO v5

YOLO v5採用了現在最流行的pyTorch來實作。v5的優勢在於比v4更輕量化，且準確率與v4相似。

• 將v4版本骨幹網路中的CSP（Channel and Spatial Pyramid）結構拓展到了NECK結構中。
• 使用SPPF結構取代了SPP。
  

v5與v4測試對比。圖片來源：YOLOv5 PyTorch Object Detection Model (roboflow.com)

YOLO v6

算法思路類似YOLOv5（backbone+neck）+YOLOX（head）。

• Neck是基於Rep和PAN建構了Rep-PAN
• 偵測頭部分模仿YOLOX，進行了解耦操作，並進行了少許優化。
  

v6、v7與v8的測試對比。來源：YOLO v6 Paper

接著就是最後的V7到V9的部分，那我們明天見。