YOLOv4,v5,X理解
YOLOv4
YOLOv4是在YOLOv3的基础上进行了一些改进，但是整个流程依旧是YOLOv3，比如正负样本的划分、忽略样本等等。 其中添加的改进主要有如下几点：
- 跨阶段局部网络（Cross-Stage-Partial, CSP）作为主干网络进行特征提取
- Mish激活函数（backbone）和Leaky ReLU（neck）
- Mosaic数据增强、MixUP数据增强
- 添加注意力机制模块
- CIoU作为边框回归损失
- 在neck中添加空间金字塔池化（Spatial Pyramid Pooling, SPP）提升感受野
- 在原先YOLOv3 neck的特征金字塔网络（Feature Pyramid Netword, FPN）的基础上改进为路径聚合网络（Path Aggregation Network, PAN）
YOLOv5
YOLOv5并无论文，我以开源代码中的实现来说明（version 5.0）。
新的正样本选择机制
网络输出部分xywh的偏移计算公式发生改动，现在xywh都会经过sigmoid归一化。
- 网络输出xy偏移公式：
- 网络输出wh偏移公式：
这样设计xy的原因是，YOLOv3如果中心点在极边缘，那么网络的输出需要是个比较大的值，才能通过sigmoid得到极边缘的位置，这不好学习，改进的方法则可以消除这个问题。
这样设计wh的原因是，指数不好控制，容易训练不稳定
对于每个gt，会先计算它与9个锚框的宽与宽之比，高与高之比，以及倒数；结果会得到每一个gt与9个锚框的4个比值，选择4个比值的最大值作为代表值，代表值比值因子在一定范围内（如4）的先验框作为负责预测该目标的先验框（因此可能会有多个先验框负责预测该gt）。
进一步，正样本会根据中心点的具体位置，会添加四个角的额外两个特征点来预测，一共每个目标有三个位置的对应大小的先验框来负责预测（可能会有相同大小的先验框的不同位置都负责预测该gt）。当然，过程会有可能某个先验框负责多个gt的预测的矛盾产生，但是不用担心，会根据代表值最低匹配原则来确认它到底负责哪一个gt
总的来说可能会有多个尺度的多个位置负责预测某个目标，相比较于YOLOv3、YOLOv4，大大提升了正样本数量
其他改动
- Focus模块，主干网络起始以Focus结构降低特征图宽高，不过该结构在最新版已经弃用
- 网络全部采用SiLU激活函数
- CSPLayer相较于YOLOv4发生一点点改动，减少一个卷积模组
- 将SPP模块放入到主干网络最后一部分（后续版本提出SPPF，性能优秀）
- neck部分的卷积堆叠用CSPLayer替代，并修改部分通道改变情况
- 通过尺度因子：通道深度、残差块层数，来定义网络从而划分s、m、l、x大小不同网络
YOLOX
YOLOX的整体网络架构基本上和YOLOv5一致（原论文大多实验也是基于YOLOv3），所以该网络主要创新是在解耦头以及正样本选择方面。
正样本选择策略（SimOTA）
值得一提的是预测xywz的偏移，不需要经过sigmoid归一化
- 网络输出xy偏移公式：
- 网络输出wh便宜公式：
具体的正样本（特征点）选取规则：
其他改动
- 计算损失时，类别损失标签不是1，是该特征点对于的预测框与对应gt的IoU
- anchor-free：输出分叉，然后结果堆叠就行了
- Decoupled Head，解耦头预测