截图参考:https://zhuanlan.zhihu.com/p/136115652
分析论文与目标
开发可在标准GPU上训练的实时对象检测。他们探索了添加新功能(例如镶嵌数据增强,Mish激活和YOLO v3架构的DropBlock正则化)的性能和速度折衷,这些功能已进行修改以适应这些新功能。YOLOv4希望实现高精度并执行实时检测,因为大多数精确模型都不是实时的。
测试各种新功能及其组合,这些新功能及其组合据称能够增强大型数据集上CNN的准确性。
YOLOv4是基于原始YOLO模型的一阶段对象检测模型。现代目标检测器通常由两个部分组成,一个骨架和一个头部。骨干通常在较大的图像分类数据集(通常为ImageNet)上进行预训练,并用于对有关输入的相关信息进行编码。头部预测对象类别和边界框信息。本文还确定了一个“颈部”,它们被定义为骨干和头部之间的层,用于收集网络不同阶段的特征图。
本文还收集了训练方法,将其分为“赠品袋”(BoF)和“特殊赠品袋”(BoS)。BoF是仅对培训策略或培训成本有影响的培训方法。BoS是一种训练策略,可以将推理成本少量增加,但也可以潜在地提高模型性能。
论文贡献
本文提出了什么方法来解决这个问题?
本文提出了各种数据增强策略,以在不增加模型对计算能力和RAM的需求的情况下提高模型训练过程的效率。作者提到的最成功的方法是马赛克图像裁剪,自我专业训练(SAT)和交叉小批量标准化(CmBN)。马赛克图像裁剪通过将四个单独的图像组合在一起而形成每个单独的样本。SAT是一种独特的训练方案,该模型首先尝试删除有问题的物体并在编辑后的图像上执行物体检测。CmBN允许数据科学家评估多个迷你批次的统计数据,从而更好地概述了模型的性能。
论文的贡献与以前的相关著作有何不同?
本文利用神经网络领域和计算机视觉领域的工作改进了多个先前的工作,以提高检测模块的整体性能。本文本身并没有提出一个宏伟的新体系结构,而是着重于利用领域内的发现来推动他们的模型并使其成为更民主化的模型。特别是,它的运行速度是EfficientNet的两倍,性能相当,并且可以将YOLOv3的AP和FPS分别提高10%和12%。所有这些都是在单个GPU上完成的,个人更容易使用它,从而有能力向(几乎)每个人训练一个实时检测系统。
该论文如何评估其结果?
与其他最新方法相比,它在帕累托最优曲线上测量了结果,因此在速度和精度之间进行了权衡。此外,他们还测量了不同置信区间的AP(平均精度)值。与前面提到的方法相比,它们确实在一般最优曲线上占有较高的位置,尽管与其他方法相比,单独的数据增强技术没有显着改善,但组合方法效果很好。
论文的局限性,进一步的研究和/或潜在的应用
本文做出的最大应用/贡献之一是,它有助于提高使用YOLO模型进行对象检测的可行性/实用性。通过开发YOLOv4,使其只能在一个GPU上进行训练和测试,就可以减少使用此模型所需的计算资源。
虽然所提出的框架可以高速生成最先进的结果,但它们仅在单个GPU上进行训练。这些实验的结果很有希望,但实际上,在训练步骤中,很少有人只限于一个GPU,而不仅仅是推理。这就引出了一个问题,即在使用多个GPU进行训练时可以达到什么结果,这也可能会导致潜在的应用:升级用于行业标准模型训练的框架。
参考文献:https://zhuanlan.zhihu.com/p/136290191