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YOLOv3MobileNet 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: 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). |
|
來自: 西北望msm66g9f > 《編程》