AI實戰： YOLOv4: Optimal Speed and Accuracy of Object Detection

前言

YOLOv4: Optimal Speed and Accuracy of Object Detection [Submitted on 23 Apr 2020] 【是的，你沒看錯，2020年04月23日，YOLO v4終於來了。】

YOLO v4 論文：https://arxiv.org/abs/2004.10934

YOLO v4 開源代碼：https://github.com/AlexeyAB/darknet

YOLO v4 的作者共有三位：Alexey Bochkovskiy、Chien-Yao Wang 和 Hong-Yuan Mark Liao。

YOLO v4性能

性能對比，上圖

YOLOv4 在 MS COCO 數據集上獲得了 43.5% 的 AP 值 (65.7% AP50)，在 Tesla V100 上實現了 65 FPS 的實時速度。

YOLO V4 的技術細節

YOLOv4 使用了以下特徵組合，實現了新的 SOTA 結果：

• 加權殘差連接（WRC）
• Cross-Stage-Partial-connection，CSP
• Cross mini-Batch Normalization，CmBN
• 自對抗訓練（Self-adversarial-training，SAT）
• Mish 激活（Mish-activation）
• Mosaic 數據增強
• DropBlock 正則化
• CIoU 損失

其他細節請參考原論文： https://arxiv.org/abs/2004.10934

參考

Yolo-v4 and Yolo-v3/v2 for Windows and Linux
YOLO v4它來了：接棒者出現，速度效果雙提升