yoloV4----原darknetAB重磅来袭

在工作中发现：对于yolo训练出来的模型，同样的环境，用opencv预测，比原生网络调用还要快好几倍。这一点在CPU上尤为明显
对于这一点，这参考资料1和2中得到了验证和解释
用opencv预测有一个副作用：在速度加快的同时，会造成精度的损失
如果用darknetAB网络训练的模型，用opencv预测的话，速度会快，精度不会有损失

说起这个darknetAB，是从原版yolo fork过来的，号称是“永不停更”的yolo，从更新频率上来看，几乎每天都在更新
原版yolo最近三年已经没有更新了，而且原作者已经宣布退出CV届
现在darknetAB的努力已经得到原版作者的认可，“小三”顺利转正，更有了推荐别人使用的理由

虽然有人说darknetAB的作者没有做什么创新，就是做各种方法的拼接
我觉得每个网络的定位不同，yolo的定位就是做工业界最好用的目标检测模型
所以哪怕只是做各种tricks的拼接，也是有他存在的价值和意义
yolo V4这篇论文，也被成为目标检测业界良心科普文

总之一句话：yolo V4是个好东东，赶紧用起来吧！

参考资料：

1. CPU Performance Comparison of OpenCV and other Deep Learning frameworks
2. OpenCV ‘dnn’ with NVIDIA GPUs: 1549% faster YOLO, SSD, and Mask R-CNN
3. YOLO v4官网
4. 等待YOLOv4的期间，它还在更新
   5.YOLO v4它来了：接棒者出现，速度效果双提升