一、数据增强与正则化
为了让模型在训练时"见多识广"，避免过拟合，YOLOv4引入了丰富的增强手段：
**1.马赛克数据增强：**借鉴了CutMix，讲4张图片拼接成1张进行训练，极大地丰富了背景和目标的组合，提高了小目标检测能力。
2..Random Erase & Hide and Seek：随机擦除图像区域，或根据概率随机隐藏补丁，逼迫模型通过局部特征去识别整体。
**3.自对抗训练：**在图像上引入噪声点，增加游戏难度，提高模型鲁棒性。
**4.DropBlock：**相对传统的Dropout（随机屏蔽单个神经元），DropBlock是随机屏蔽连续的区域，更好地减少了冗余连接，防止过拟合。
5.标签平滑：解决神经网络"自觉不错（过度自信）"的问题。例如将原本绝对的0,1标签平滑为0.05，0.95，让模型别太绝对。
二、损失函数的演进
目标检测的核心是画框，YOLOv4在边界框回归损失上做了重要改进：
IOU损失：最基础的算法，但没有相交则IOU=0无法计算梯度，且相同的IOU反映不出具体重合情况。
GIOU损失：引入最小封闭形状C，在不相交时也能让预测框向着真实框前进。但遇到"包含"情况时失效。
DIOU损失：直接优化预测框与真实框的中心点欧式距离，速度更快，解决了GIOU的问题。 DIoU 没能处理好的"形状"问题。
CIOU损失（最终采用）：综合考虑了重叠面积、中心点距离、长宽比三个几何因素，让预测框更贴合真实框。
三、后处理改进：非极大值抑制（NMS）
传统NMS容易误删重叠的物体：
**DIoU-NMS：**不仅考虑IoU值，还考虑两个Box中心点之间的距离来判定是否删除。
SOFT-NMS：传统NMS是直接删除，SOFT-NMS则通过高斯函数衰减重叠框的分数，而不是直接干掉，保留了密集目标的检测能力。
四、网络结构改进
这是YOLOv4在架构上的核心升级：
1.SPP-Net（空间金字塔池化）:接在最后一个卷积层后，用不同大小的池化核，进行最大池化并拼接，解决了输入图像尺寸固定的问题，增加了感受野。
2.CSPNet：将特征图按通道拆分为两部分，一部分正常走残差网格，另一部分直接连接到输出。这极大降低了计算量，减少了内存成本，并增强了CNN的学习能力。
3.注意力机制（CBAM）：YOLOv4中使用了SAM（空间注意力机制），让网络知道该看哪里，增强特征提取。
CBAM（Convolutional Block Attention Module）是一种针对深度神经网络的注意力机制模块，用于提高模型在分类、检测和分割等任务中的表现。它结合了通道注意力和空间注意力，几乎可以嵌入任何CNN网络中，在稍微增加一点计算量和参数量的情况下，可以大大增强模型性能。
**4.PANet（路径聚合网络）：**传统的FPN是自顶向下的，YOLOv4引入了自底向上的路径，使底层特征更容易传到顶部。同时，YOLOv4还会拼接，保留了更多特征信息。
5.Mish激活函数：替代了部分ReLU。它的曲线更平滑，虽然计算量增加，但效果提升。ReLU 将所有权值小于 0 的输入直接置零，导致"神经元死亡"和信息丢失。Mish 在负半轴非单调 ：它不会把负输入彻底杀死，而是让微小的负值以负输出的形式保留下来。
6.消除网格敏感性：解决坐标回归值在0-1之间时，网格边界难以预测问题，通过在激活函数前加上大于1的系数来缓解。
五、总结
YOLOv4 并没有提出一个全新、单一的颠覆性结构，而是像一位"集大成者"，将当时学术界和工业界最好用的技巧（如Mosaic、CIoU、CSP、PANet等）完美地融合在了一个框架里，从而在速度和精度之间达到了当时极其惊人的平衡。