YOLOv4來了！目標檢測的最佳速度和準確性 在COCO上，可達43.5％ AP，65 FPS！
作者團隊：Alexey Bochkovskiy&中國臺灣中央研究院
PS: AB也是yolo項目維護的大神，YOLO之父忽然宣佈退出CV學術界去玩推特之時，AB大神接過大旗抗了起來。
據說有許多技巧可以提高卷積神經網絡（CNN）的準確性。需要在大型數據集上對這些技巧的組合進行實際測試，並對結果進行理論證明。 某些技巧僅在某些模型上運行，並且僅在某些問題上運行，或者僅在小型數據集上運行； 而某些技巧（例如批歸一化和殘差連接）適用於大多數模型，任務和數據集。 我們假設此類通用技巧包括加權殘差連接（WRC），跨階段部分連接（CSP），跨小批量標準化（CmBN），自對抗訓練（SAT）和Mish激活。 我們使用以下新技巧：WRC，CSP，CmBN，SAT，Mish激活，馬賽克數據增強，CmBN，DropBlock正則化和CIoU丟失，並結合其中的一些特徵來實現最新的結果：43.5％的AP（65.7 在Tesla V100上，MS COCO數據集的實時速度約爲65 FPS。 《YOLOv4: Optimal Speed and Accuracy of Object Detection》
代碼：https://github.com/AlexeyAB/darknet
論文下載鏈接：https://arxiv.org/abs/2004.10934
關鍵詞：#論文速遞# #目標檢測# #YOLO# #YOLOv4# #開源項目#
PS：計劃後面出個專題跟蹤分析V4的源碼，看時間了