PP-YOLOv2：一种实用的目标检测器
计算机视觉与模式识别
2021-04-22 v1
摘要
对于实际应用中的目标检测器而言，有效且高效至关重要。为兼顾这两点，我们全面评估了一系列现有改进方法，以在几乎保持推理时间不变的前提下提升PP-YOLO的性能。本文通过分析一系列改进方法，并借助增量消融实验实证评估它们对最终模型性能的影响。我们同样讨论了尝试过但无效的方法。通过组合多种有效改进，我们将PP-YOLO在COCO2017 test-dev上的性能从45.9% mAP提升至49.5% mAP。鉴于性能取得显著增益，我们提出PP-YOLOv2。在速度方面，PP-YOLOv2在640x640输入尺寸下以68.9FPS运行。采用带TensorRT、FP16精度且batch size = 1的Paddle推理引擎进一步提升了PP-YOLOv2的推理速度，达到106.5 FPS。该性能超越了参数规模大致相同的现有目标检测器（即YOLOv4-CSP、YOLOv5l）。此外，采用ResNet101的PP-YOLOv2在COCO2017 test-dev上取得了50.3% mAP。源代码见https://github.com/PaddlePaddle/PaddleDetection。
引用
@article{arxiv.2104.10419,
title = {PP-YOLOv2: A Practical Object Detector},
author = {Xin Huang and Xinxin Wang and Wenyu Lv and Xiaying Bai and Xiang Long and Kaipeng Deng and Qingqing Dang and Shumin Han and Qiwen Liu and Xiaoguang Hu and Dianhai Yu and Yanjun Ma and Osamu Yoshie},
journal= {arXiv preprint arXiv:2104.10419},
year = {2021}
}