diff --git "a/week5/5\354\243\274\354\260\250_\354\235\264\355\230\204\354\232\260.md" "b/week5/5\354\243\274\354\260\250_\354\235\264\355\230\204\354\232\260.md"
new file mode 100644
index 0000000..57ff040
--- /dev/null
+++ "b/week5/5\354\243\274\354\260\250_\354\235\264\355\230\204\354\232\260.md"
@@ -0,0 +1,82 @@
+# HAI 논문 스터디 5주차
+### YOLOv4: Optimal Speed and Accuracy of Object Detection
+
+
+## YOLOv1
+이미지를 S x S의 그리드로 나누어 추론  
+각 셀에서 하나의 클래스와 2개의 바운더리를 예측  
+각각의 셀에서 20개의 클래스와 박스 (Pc, x, y, w, h) 2개를 가짐
+
+각각의 클래스에 NMS를 적용  
+* 학습에서는 Iou가 더 높은 박스를 사용
+* 테스트에서는 신뢰도가 높은 박스를 사용
+
+수정된 GoogLeNet 기반으로 1x1 Conv를 사용해 다운샘플링함  
+모델의 출력은 S x S x (5 * 2 + 20)
+
+
+## YOLOv2
+
+더 빠르고 정확해짐
+* batch normalization 적용
+* 더 고화질인 448 * 448에서 학습
+* Darknet-19로의 백본 강화
+* Pass through layer 구조
+
+Pass through layer
+* 한 단계 이전에 26 * 26 * 512의 텐서를 13 * 13 * 2048로 reshape 후 concat
+
+Anchor boxes
+* 바로 bounding box를 예측하는 대신 데이터셋을 기반으로 미리 box shape를 조정
+* K=5일때 정확도와 복잡성의 효율이 가장 좋았음
+
+
+## YOLOv3
+점진적 개선
+* Feature Pyramid Network
+* B-Box을 통한 클래스 예측 개선
+* ResNet 기반의 Darknet-53을 사용한 백본 개선
+
+Feature Pyramid Network
+* SKip-Connection, Transpose Convolution, concat등을 사용하여 U-Net과 구조가 비슷해짐
+* Large, Middle, Small scale에서 각각 박스를 예측
+
+로지스틱 회귀 분석을 통한 점수
+* IoU best에는 "1"
+* Iou > 0.5이지만 best가 아니면 "ignore"
+* 다른 박스에는 "0"
+
+클래스 예측 개선
+* Softmax 대신 logistic regression
+
+
+## YOLOv4
+속도와 정확도를 위한 다양한 실험
+
+
+Bag of Freebies
+* Photometric/ Geometric Distortions
+* Object Occlusion
+* Regularization
+* Loss Function
+
+Bag of Specials
+* Enhancement of receptive field
+* Attention Module
+* Feature Integration
+* Normalization
+* Activation function
+
+Architecture
+* CSPResNext50
+* CSPDarknet53
+
+추가개선
+* Mosaic, SAT과 같은 새로운 data augmentation
+* 유전 알고리즘을 통한 hyper-parametes 탐색
+* 수정된 SAM과 PAN, 교차 미니 배치 정규화
+
+YOLOv4 = YOLOv3 + CSPDarknet53 + SPP + PAN + BoF + Bos
+
+분류에서는 CutMix, Mosaic, Label Smoothing, Mish를 적용한 것이 가장 좋은 결과  
+감지에서는 Mosaic, 유전 알고리즘, 교차 미니 배치 정규화 등을 적용한 것이 가장 좋은 결과  
\ No newline at end of file