目标检测网络中的Backbone，Neck和Head - 以YOLOv4为例

目标检测网络中常见到的三个概念：

1. Backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络；
2. Neck：一系列混合和组合图像特征的网络层，并将图像特征传递到预测层；
3. Head：对图像特征进行预测，生成边界框和并预测类别；

以YOLOv4为例：
先观察YOLOv4框架：
其中，

1. Backbone主要是CSPDarknet53组成，其主要是由五层残差网络resblock_body组成，其输入的图像像素是608*608，其中resblock_body有专门的卷积操作来降低分辨率，每一层的resblock_body将像素逐渐降低一倍，其主要功能是提取图像数据的特征信息。
2. Neck主要是由SPP（左下部分Conv×3到Concat+Conv×3）和PANet组成。SPP主要功能是增加感受野作用，PANet主要功能是将提取的特征信息转换为坐标、类别等信息，其主要是由上采样和下采样组成。
3. Head继续沿袭yolov3的检测头，其三个检测头主要功能是：得到输出之后，与真实数据标注相比较，计算出损失函数（其损失函数主要是由三部分组成：①定位损失②置信度损失③分类损失），然后根据需要对数据格式进行reshape，同时对原始格点坐标做相应的激活。