本文介紹一類開源項目：MobileNet-YOLOv3。其中分享Caffe、Keras和MXNet三家框架實現(xiàn)的開源項目。

看名字，就知道是MobileNet作為YOLOv3的backbone，這類思路屢見不鮮，比如典型的MobileNet-SSD。當(dāng)然了，MobileNet-YOLOv3講真還是第一次聽說。

MobileNet和YOLOv3

MobileNet

MobileNet目前有v1和v2兩個版本，毋庸置疑，肯定v2版本更強(qiáng)。但本文介紹的項目暫時都是v1版本的，當(dāng)然后續(xù)再加入v2應(yīng)該不是很難。這里只簡單介紹MobileNetv1（非論文解讀）。

創(chuàng)新亮點：Depthwise Separable Convolution（深度可分離卷積）

Tricks：寬度因子和分辨率因子

MobileNetv1在ImageNet上的實驗結(jié)果

MobileNet在計算量，存儲空間和準(zhǔn)確率方面取得了非常不錯的平衡。與VGG16相比，在很小的精度損失情況下，將運(yùn)算量減小了30倍。

YOLOv3

之前推過幾篇關(guān)于YOLOv3的文章，大家點擊即可看到：

• YOLOv3：你一定不能錯過

• 重磅：TensorFlow實現(xiàn)YOLOv3（內(nèi)含福利）

• 利用OpenCV玩轉(zhuǎn)YOLOv3
  

在Titan X上，YOLOv3在51 ms內(nèi)實現(xiàn)了57.9的AP50，與RetinaNet在198 ms內(nèi)的57.5 AP50相當(dāng)，性能相似但速度快3.8倍。

創(chuàng)新亮點：DarkNet-53、Prediction Across Scales、多標(biāo)簽多分類的邏輯回歸層

Tricks：多尺度訓(xùn)練，大量的data augmentation

DarkNet-53網(wǎng)絡(luò)結(jié)構(gòu)

MobileNetv1在COCO上的實驗結(jié)果

MobileNet-YOLO

【0】Caffe實現(xiàn)

鏈接：

https://github.com/eric612/MobileNet-YOLO

windows版：

https://github.com/eric612/Caffe-YOLOv3-Windows

安裝教程和源碼大家直接根據(jù)上述網(wǎng)站，自行摸索吧，這里直接看一下實驗結(jié)果：正常版本和Lite版本在mAP上都強(qiáng)于YOLOv3-Tiny，且參數(shù)更少，但不知道速度如何。

【1】Keras實現(xiàn)

鏈接：

https://github.com/Adamdad/keras-YOLOv3-mobilenet

該開源項目的Adamdad大佬并沒有給出實驗結(jié)果，還是要respect！

【2】MXNet實現(xiàn)

鏈接1：

https://gluon-cv./model_zoo/detection.html#yolo-v3

鏈接2：

https://github.com/dmlc/gluon-cv/tree/master/gluoncv/model_zoo/yolo

鏈接3：

https://github.com/sufeidechabei/gluon-mobilenet-yolov3

鏈接1和2是MXNet官網(wǎng)開源的，鏈接3是sufeidechabei大佬個人開源的。

申明一下，MXNet這個版本，是在我寫這篇文章前20個小時剛剛push的，官網(wǎng)上還查不到實驗結(jié)果。相信一定很贊，為什么呢，你接著往下看。

既然看不到MXNet版本的MobileNet-YOLOv3的實驗結(jié)果，那我們看看MXNet版本的YOLOv3在COCO上的實驗結(jié)果。

大家是不是注意到了，MXNet版本中的YOLOv3比原版darnet版本的YOLOv3檢測效果更好。為什么呢？因為加了很多tricks，有哪些可以提高mAP的tricks，大家可以看一下今天推的次條文章。

sufeidechabei大佬開源的MobileNet-YOLOv3實驗結(jié)果：

參考

Redmon, Joseph, and Ali Farhadi. “Yolov3: An incremental improvement.” arXiv preprint arXiv:1804.02767 (2018).