Scaled-YOLOv4：跨阶段局部网络的缩放
计算机视觉与模式识别
2021-02-23 v2 机器学习
摘要
我们展示了基于 CSP 方法的 YOLOv4 目标检测神经网络可向上和向下缩放，并适用于小型和大型网络，同时保持最优的速度与精度。我们提出了一种网络缩放方法，不仅修改网络的深度、宽度、分辨率，还修改网络的结构。YOLOv4-large 模型取得了最先进的结果：在 Tesla V100 上以约 16 FPS 的速度在 MS COCO 数据集上达到 55.5% AP（73.4% AP50），而使用测试时增强后，YOLOv4-large 达到 56.0% AP（73.3 AP50）。据我们所知，这是目前任何已发表工作在 COCO 数据集上的最高精度。YOLOv4-tiny 模型在 RTX 2080Ti 上以 443 FPS 的速度达到 22.0% AP（42.0% AP50），而通过使用 TensorRT、batch size = 4 和 FP16 精度，YOLOv4-tiny 达到了 1774 FPS。
引用
@article{arxiv.2011.08036,
title = {Scaled-YOLOv4: Scaling Cross Stage Partial Network},
author = {Chien-Yao Wang and Alexey Bochkovskiy and Hong-Yuan Mark Liao},
journal= {arXiv preprint arXiv:2011.08036},
year = {2021}
}
备注
Added references. Corrected typos. The new results are slightly better