YOLOV4论文解读与应用

YOLOV4

目标检测相关博客查看: CV综述目标检测整理—目录

论文地址:

YOLOv4: Optimal Speed and Accuracy of Object Detection

源码地址:

• https://github.com/AlexeyAB/darknet
• pytorch: Tianxiaomo-pytorch-YOLOv4
• pytorch2: yuto3o-yolox
• pytorch3: WongKinYiu-PyTorch_YOLOv4

训练TODO##############

camera测试

(torchpy36) air@air-System-Product-Name:~/model-train/yolo/pytorch-YOLOv4$ python demo.py -cfgfile cfg/yolov4.cfg -weightfile ./checkpoints/yolov4.weights 

参考博客:

---

如何评价新出的YOLO v4 ？
yolo系列之yolo v3【深度解析】
【深度学习MobileNet】——深刻解读MobileNet网络结构

模型特点:

• trick万花筒
• Bag of freebies
• Bag of Specials;
• YOLOv4的创新点

优点

• 深度可分离卷积depthwise-conv 代替普通卷积
• pointwise conv
• 共28层

缺点

• kernel容易训练废掉(Relu激活函数):
  参考博客:轻量级模型：MobileNet V2

yolov3-spp

论文地址:

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications @20190321

源码地址: darknet

pytorch: ultralytics-yolov3
需要apex,提供混合精度模型训练,降低训练所需要的GPU资源
nvidia-apex apex
训练yolov3-spp: ｃｏｃｏ2017数据

(torchpy36) air@air-System-Product-Name:~/model-train/yolo/yolov3/ultralytics-yolov3$ python train.py

参考博客:

轻量级模型：MobileNet V2
MobileNet V2 论文初读

模型特点:

• Linear Bottleneck
• Inverted Residuals
• relu6
• 54层

---

*****

论文地址:

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications @20170417

参考博客:

【深度学习MobileNet】——深刻解读MobileNet网络结构

模型特点:

• 深度可分离卷积depthwise-conv 代替普通卷积
• pointwise conv

参考博客

深度学习MobileNet——深刻解读MobileNet网络结构
MobileNet v1、v2

Focal Loss for Dense Object Detection解读
RetinaNet: Focal loss在目标检测网络中的应用
人脸检测：RetinaFace（开源简化版）详细解读

论文解读

论文地址: MobileNets: Efficient Convolutional Neural Networks for Mobile Vision
Applications@201704

源码地址:
tensorflow版本:wanjinchang/SSH-TensorFlow
相关论文:
RetinaFace: Single-stage Dense Face Localisation in the Wild@20190504
人脸检测-RetinaFace论文解读与应用

FPN
VGG

---

mobilnet0.25轻量级检测

Base Module

backbone

检测器 SSH上下文检测模块

resnet50 和resnet152

数据准备

模型训练

模型压缩

模型部署