PP-YOLO：一种有效且高效的目标检测器实现
计算机视觉与模式识别
2020-08-04 v3
摘要
目标检测是计算机视觉中最重要的领域之一，在各种实际场景中起着关键作用。由于硬件限制，在实践中往往需要在保证检测器推理速度的前提下牺牲精度。因此，必须考虑目标检测器在有效性与效率之间的平衡。本文的目标是实现一个有效性与效率相对平衡、可直接应用于实际场景的目标检测器，而非提出一种新颖的检测模型。考虑到 YOLOv3 已在实践中被广泛使用，我们基于 YOLOv3 开发了一种新的目标检测器。我们主要尝试组合各种几乎不增加模型参数量和 FLOPs 的现有技巧，以在确保速度几乎不变的同时尽可能提高检测器精度。由于本文所有实验均基于 PaddlePaddle 进行，我们称之为 PP-YOLO。通过组合多种技巧，PP-YOLO 在有效性（45.2% mAP）与效率（72.9 FPS）之间取得了更好的平衡，超越了 EfficientDet 和 YOLOv4 等现有最先进检测器。源代码位于 https://github.com/PaddlePaddle/PaddleDetection。
引用
@article{arxiv.2007.12099,
title = {PP-YOLO: An Effective and Efficient Implementation of Object Detector},
author = {Xiang Long and Kaipeng Deng and Guanzhong Wang and Yang Zhang and Qingqing Dang and Yuan Gao and Hui Shen and Jianguo Ren and Shumin Han and Errui Ding and Shilei Wen},
journal= {arXiv preprint arXiv:2007.12099},
year = {2020}
}