花了些時間把YOLO v4移植到我寫的pytorch API中，也成功將官方權重載入，實測的效果如下，都是使用信心水準門檻值0.4, nms門檻值0.6，講一下心得，一開始看這網路結構想說完全沒有用到depthwise卷積，而且裡面的通道也沒有刻意節制，大量使用512，1024通道數，我原以為一般小顯卡跑不動，但實際上我筆電的1060ti是可以跑的(雖然批次只能一張)，它主要是用了極大量的1x1卷積，卻還有保持這樣檢測效果，所以主骨幹還是很厲害的。但是實測上看起來有個較大的問題，就是小物體(實際上不用太小)容易被漏檢，這也是為何我信心水準門檻值降到0.4的原因，因為不降漏檢的更多，但是只要面積不小，像是那張印度街頭，檢測效果還是很驚人的，但是像高速公路汽車與貓的那幾張圖會漏那麼多，還是有點費解，我也會先檢查是不是我這邊實現過程有缺漏，代碼與模型我整理下應該連假可以放出到github。