江苏龙网

  1. 首页 > 人文 > >

「爱与否科技」v4它来了：接棒者出现，速度效果双提升，YOLO

机器之心报道
机器之心编辑部
YOLOv4真的来了 ， 带给我们的除了惊喜 ， 还是惊喜 。
两个月前 ， YOLO之父JosephRedmon表示 ， 由于无法忍受自己工作所带来的的负面影响 ， 决定退出计算机视觉领域 。 此事引发了极大的热议 ， 其中一个悬念就是：我们还能等到YOLOv4面世吗？
当我们都以为再也没有希望的时候 ， YOLOv4却悄无声息地来了 。 这一目标检测神器出现了新的接棒者！
数小时前 ， YOLO的官方Github账号更新了YOLOv4的arXiv链接与开源代码链接 ， 迅速引起了CV社区的关注 。
「爱与否科技」v4它来了：接棒者出现，速度效果双提升，YOLO
文章图片
YOLOv4论文：https://arxiv.org/abs/2004.10934
YOLOv4开源代码：https://github.com/AlexeyAB/darknet
YOLOv4的作者共有三位：AlexeyBochkovskiy、Chien-YaoWang和Hong-YuanMarkLiao 。 其中一作AlexeyBochkovskiy是位俄罗斯开发者 ， 此前曾做出YOLO的windows版本 。
那么 ， YOLOv4性能如何呢？
在相关论文中 ， 研究者对比了YOLOv4和当前最优目标检测器 ， 发现YOLOv4在取得与EfficientDet同等性能的情况下 ， 速度是EfficientDet的二倍！此外 ， 与YOLOv3相比 ， 新版本的AP和FPS分别提高了10%和12% 。
「爱与否科技」v4它来了：接棒者出现，速度效果双提升，YOLO
文章图片
接下来 ， 我们看下YOLOV4的技术细节 。
许多特征可以提高CNN的准确率 ， 然而真正实行起来 ， 还需要在大型数据集上对这些特征组合进行实际测试 ， 并且对测试结果进行理论验证 。 某些特征仅在某些模型上运行 ， 并且仅限于特定的问题 ， 或是只能在小型数据集上运行；而另外有些特征（如批归一化和残差连接）则适用于大多数模型、任务和数据集 。
那么 ， 如何利用这些特征组合呢？
YOLOv4使用了以下特征组合 ， 实现了新的SOTA结果：
加权残差连接（WRC）
Cross-Stage-Partial-connection ， CSP
Crossmini-BatchNormalization ， CmBN
自对抗训练（Self-adversarial-training ， SAT）
Mish激活（Mish-activation）
Mosaic数据增强
DropBlock正则化
CIoU损失
据介绍 ， YOLOv4在MSCOCO数据集上获得了43.5%的AP值(65.7%AP50) ， 在TeslaV100上实现了～65FPS的实时速度 。
该研究的主要贡献如下：
建立了一个高效强大的目标检测模型 。 它使得每个人都可以使用1080Ti或2080Ti的GPU来训练一个快速准确的目标检测器 。
验证了当前最优Bag-of-Freebies和Bag-of-Specials目标检测方法在检测器训练过程中的影响 。
修改了SOTA方法 ， 使之更加高效 ， 更适合单GPU训练 。 这些方法包括CBN、PAN、SAM等 。
YoloV4如何实现这么好的效果？
YoloV4的基本目标是提高生产系统中神经网络的运行速度 ， 同时为并行计算做出优化 ， 而不是针对低计算量理论指标（BFLOP）进行优化 。 YoloV4的作者提出了两种实时神经网络：
对于GPU ， 研究者在卷积层中使用少量组（1-8组）：CSPResNeXt50/CSPDarknet53；
对于VPU ， 研究者使用了分组卷积（grouped-convolution） ， 但避免使用Squeeze-and-excitement（SE）块 。 具体而言 ， 它包括以下模型：EfficientNet-lite/MixNet/GhostNet/MobileNetV3 。
YOLOv4包含以下三部分：
骨干网络：CSPDarknet53
Neck：SPP、PAN
Head：YOLOv3
具体而言 ， YOLOv4使用了：
用于骨干网络的BagofFreebies（BoF）：CutMix和Mosaic数据增强、DropBlock正则化和类标签平滑；
用于骨干网络的BagofSpecials（BoS）：Mish激活、CSP和多输入加权残差连接（MiWRC）；
用于检测器的BagofFreebies（BoF）：CIoU-loss、CmBN、DropBlock正则化、Mosaic数据增强、自对抗训练、消除网格敏感性（Eliminategridsensitivity）、针对一个真值使用多个锚、余弦退火调度器、优化超参数和随机训练形状；


推荐阅读


上一篇：搬砖为生活▲今叔叔儿子坐拥千亿，他自己却只有30亿，父亲把千亿帝国送给叔叔

下一篇：[小小天看世界]i7 处理器搭配主板最佳方案，如果你在选择装机必看，i5