论文:https://arxiv.org/abs/2005.13243
开源代码:https://gitlab.com/irafm-ai/poly-yolo
Poly-YOLO: higher speed, more precise detection and instance segmentation for YOLOv3
论文思想
提出了一个新的YOLO版本,它扩展了带有实例分割的Poly-YOLO。Poly-YOLO建立在YOLOv3的原始思想的基础上,并消除了它的两个弱点:大量重写的标签和无效的锚点分配。Poly-YOLO通过使用阶梯式上采样,并通过超列技术聚合SE-Darknet-53主干中的特征,从而减少了重写标签的数量,并产生了高分辨率的单标度输出。
与YOLOv3相比
- Poly-YOLO仅具有60%的可训练参数,但相对mAP却提高了40%。还展示了具有更少参数和更低输出分辨率的Poly-YOLO lite。
- 它具有与YOLOv3相同的精度,但它的体积小三倍,速度快两倍,因此适用于嵌入式设备。
- Poly-YOLO使用边界多边形执行实例分割。训练网络以检测在极坐标网格上定义的尺寸无关的多边形。预测每个多边形的顶点具有可信度,因此Poly-YOLO生成具有不同数量顶点的多边