Yolo v4:目标检测的最佳速度和精度(一)

简介: Yolo v4:目标检测的最佳速度和精度

《YOLOv4:Optimal Speed and Accuracy of Object Detection》


发表时间及作者:2020 CVPR

1.YOLOv4介绍


Yolov4其实并没有提出什么创新点,主要是对当时领域内的一些Tricks(WRC、CSP、CmBN、SAT、Mish激活、Mosaic数据增强,DropBlock和CIoU)进行了大量的实验,并且对模型的精度和速度进行了平衡;最终在MS COCO数据集上实现了43.5% AP (65.7% AP50),在Tesla V100的实时速度为65帧/秒。

YOLOv4一共有如下三点贡献:

1.开发了一个高效、强大的目标检测模型。它使每个人都可以使用1080ti或2080ti GPU来训练一个非常快速和准确的目标检测器

2.验证了最先进的 Bag-of-Freebies和 Bag-of-Specials对象检测在检测器训练时的影响。

3.对现有的方法进行了改进,使其更加高效,更适合于单个GPU的训练,包括CBN,PAN,SAM等。

image.png

图1:YOLOv4与其他最先进的物体探测器的比较。在性能相当的情况下,YOLOv4运行速度是EfficientDet的两倍。YOLOv4将YOLOv3的AP和FPS分别提升10%和12%。

2.YOLOv4网络结构


YOLOv4结构组成如下:


• Backbone: CSPDarknet53


• Neck: SPP , PAN


• Head: YOLOv3

2.1 Backbone改进


YOLOv4借鉴了CSPNet(Cross Stage Partial Networks,跨阶段局部网络)的思想,对YOLOv3的Darknet53网络进行了改进,形成了全新的主干网路结构–CSPDarknet53;

采用CSP结构有如下几点好处:

1.加强CNN学习能力

2.删除计算瓶颈

3.减少内存成本

image.png

image.png

CSPNet实际上是基于Densnet的思想,即首先将数据划分成Part 1和Part 2两部分,Part 2通过dense block发送副本到下一个阶段,接着将两个分支的信息在通道方向进行Concat拼接,最后再通过Transition层进一步融合。CSPNet思想可以和ResNet、ResNeXt和DenseNet结合,目前主流的有CSPResNext50 和CSPDarknet53两种改造Backbone网络。

改进后的主干网络结构如下图所示:

91812e93651b49a9ab822679c9848a29.png

2.2 Neck改进


2.2.1 SPP结构介绍


SPP-Net全称Spatial Pyramid Pooling Networks,主要是用来解决不同尺寸的特征图如何进入全连接层的,如下2图所示,下图中对任意尺寸的特征图直接进行固定尺寸的池化,来得到固定数量的特征。

image.png

image.png

2.2.2 PAN结构介绍


PAN(Path Aggregation Network)结构其实就是在FPN(从顶到底信息融合)的基础上加上了从底到顶的信息融合,如下图(PAN结构图)所示。

image.png

image.png

2.2.3 YOLOv4 PAN结构介绍


YOLOv4在原始PAN结构上进行了一点改进,如下图所示。图(a)是PAN论文中的原始融合方式,即特征层之间融合时是直接通过addition的方式进行融合的,但在YOLOv4中的PAN是通过在通道方向Concat拼接的方式进行融合的。

image.png

相关文章
|
小程序 JavaScript
【微信小程序】-- WXML 模板语法 - 事件绑定 -- tap & input (十)
【微信小程序】-- WXML 模板语法 - 事件绑定 -- tap & input (十)
|
8月前
|
人工智能 机器人 Linux
OpenClaw全自动漫剧工作流搭建:钉钉AI表格+Seedance2.0全流程部署指南
本文完整呈现基于OpenClaw(Clawdbot)搭建**全自动漫剧生成系统**的全流程,包含阿里云服务器、本地MacOS/Linux/Windows11三端部署方法、阿里云百炼Coding Plan免费大模型API配置、钉钉机器人接入、钉钉AI表格Skill集成、Seedance2.0视频生成联动,以及定时任务、数据抓取、脚本生成、视频输出的完整自动化方案。所有步骤均提供可直接复制的代码命令,全程无营销内容、无冗余步骤,适合零基础用户搭建属于自己的7×24小时漫剧自动化生产线。
3684 5
|
9月前
|
人工智能 并行计算 Docker
显卡驱动、CUDA、NVIDIA Container Toolkit 内网离线安装教程
本文详解无网络环境下私有化AI部署的离线环境搭建:涵盖NVIDIA驱动(550.142)、CUDA 12.4、NVIDIA Container Toolkit及Docker的全流程离线安装与配置,适配双RTX 3090服务器,含依赖处理、冲突解决与完整验证步骤。
5534 7
显卡驱动、CUDA、NVIDIA Container Toolkit 内网离线安装教程
|
8月前
|
运维 物联网
RFID库存实时盘点让数据自动跑起来
RFID库存实时盘点利用射频识别技术,实现货物批量自动识别、信息秒级上传、库存动态同步,彻底替代人工扫码,解决录入滞后、误差率高等痛点,让数据真正“自动跑起来”,大幅提升盘点效率与准确性。(238字)
|
SQL JSON 关系型数据库
《理解MySQL数据库》版本演进全解析:从5.1到8.0的技术革新之路
MySQL从5.1到8.0历经多年演进,版本特性持续升级:5.1引入分区与事件调度,5.5确立InnoDB为默认引擎,5.6增强优化器与在线DDL,5.7支持JSON与多源复制,8.0则带来窗口函数、CTE、原子DDL等现代数据库能力。各版本性能与安全性不断提升,建议新项目采用8.0,存量系统逐步向8.0迁移,以获取更好的功能支持与长期维护保障。(239字)
|
Linux iOS开发 UED
计算机三大操作系统
Windows、macOS与Linux,三大操作系统背后是三种哲学:实用兼容、极致体验与自由开源。它们代表不同的价值观——包容大众、追求精致或掌控技术,塑造了数字世界的多元生态。选择系统,即是选择生活方式。
|
缓存 Linux iOS开发
BleachBit系统清理工具软件下载安装教程!免费开源,清理垃圾文件,大幅提升电脑性能!
BleachBit是一款免费开源的系统清理工具,支持Windows、macOS和Linux,可深度清除垃圾文件、浏览器缓存及隐私数据,提升电脑性能与安全性。操作简单,功能强大,适合各类用户。
1517 1
|
前端开发 fastjson Java
我的字段被FastJson给干掉了?!
本文记录作者升级到 JDK 11 后遇到的 FastJSON 序列化问题,以及详细的排查过程。
770 12
|
机器学习/深度学习 人工智能 编解码
AI文生图模型
8月更文挑战第16天
|
存储 Docker 容器
在Docker中,容器退出后,通过docker ps命令查看不到,数据会丢失么?
在Docker中,容器退出后,通过docker ps命令查看不到,数据会丢失么?
1520 15