轻量级深度学习框架--YOLO V3

Posted 2021-04-29 图视星云

       YOLO是一个实时目标检测框架，使用C语言编写，性能杠杠的。CPU版本可直接make，不依赖第三方库，代码结构清晰、轻量，适合深度学习入门研究。GPU版大幅提升了检测速度，可做到视频实时检测。在沉寂几个月后，作者于3月28日又在Github上发布了V3版本，将默认的网络结构由v2的30层增加到106层，识别准确度大幅提高，速度较v2也慢了不少。上图看检测效果比较。

YOLO V3可识别出足球

YOLO V2未识别出足球（在80分类中是有球的）

YOLO V3识别出了篮球，还有坐席上的几个人脸，将整个坐席也识别成了person

YOLO V2只将前景中几个关键的人识别了出来

YOLO V3识别出了鼠标和碗

YOLO V2识别出物体明显少于V3

PS：以上测试均是在默认阈值下检测的。

YOLO的主要特点：

• 速度快，能够达到实时的要求。在 Titan X 的 GPU 上 能够达到 45 帧每秒。

• 使用全图作为 Context 信息，背景错误（把背景错认为物体）比较少。

• 泛化能力强。

YOLO缺陷：（其实这是V2的，V3还未细看）

• YOLO对相互靠的很近的物体（挨在一起且中点都落在同一个格子上的情况），还有很小的群体 检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类。

• 测试图像中，当同一类物体出现的不常见的长宽比和其他情况时泛化能力偏弱。

• 由于损失函数的问题，定位误差是影响检测效果的主要原因，尤其是大小物体的处理上，还有待加强。