YOLOV4的正负标签分配法则是在YOLOV3的基础上进行改进的，具体如下：
- 首先，将每个GT与所有Anchor模板进行匹配，计算它们的IoU值。
- 如果GT与某个Anchor模板的IoU超过设定的阈值（例如0.213），则将该GT分配给这个Anchor模板，作为正样本，剩余的则作为负样本使用。
- 将GT投影到对应的预测特征层上，根据GT的中心点定位到对应的网格单元（cell），并确定正样本。
- 与GT匹配的多个Anchor模板所在的网格单元都被视为正样本，增加了正样本的数量。
这种正样本一对多的方式，相比YOLOV3 一个正样本对应一个Anchor，正样本数量更多，提高了召回率。
