前言:
本专栏将以理论与实战相结合的方式,对一些的经典的神经网络算法进行逐一解析,并使用深度学习框架 TensorFlow2 逐一实现这些经典的深度学习算法,来实现图像分类、目标检测、语义分割等任务。本专栏将持续更新,敬请期待!
专栏目录:TensorFlow2 深度学习实战
Github仓库,欢迎star:https://github.com/Keyird
文章目录
一、YOLOv4简介
去年(2020年)YOLO系列的作者Redmon在推特上发表声明,出于某些方面的考虑,从此退出CV界。听到此消息的我,为之震惊!本以为YOLOv3已经是YOLO系列的终局之战。没想到就在今年,Alexey Bochkovskiy等人与Redmon取得联系,正式将他们的研究命名为YOLOv4。
YOLOv4 在 YOLOv3 网络结构的基础进行了一定改进,引入了近几年CNN领域中最优秀的优化策略,从数据增强、骨干网络、网络训练、激活函数、损失函数等方面进行不同程度的优化,实现了检测速度和精度的最佳权衡。实验表明,在Tesla V100上,对MS COCO数据集的实时检测速度达到 65 FPS,精度达到 43.5%AP。
在性能方面,YOLOv4 的检测速度比 EfficientDet 快两倍,检测准确度却相当。与 YOLOv3 相比,精度AP 和速度 FPS 分别提高了 10% 和