学界|华盛顿大学推出YOLOv3：检测速度快SSD和RetinaNet三倍（附实现）

选自

pjreddie

作者：Joseph Redmon、Ali Farhadi

机器之心编译

近日，来自华盛顿大学的 Joseph Redmon 和 Ali Farhadi 提出 YOLO 的最新版本 YOLOv3。通过在 YOLO 中加入设计细节的变化，这个新模型在取得相当准确率的情况下实现了检测速度的很大提升，一般它比 R-CNN 快 1000 倍、比 Fast R-CNN 快 100 倍。机器之心对论文进行了编译，实现和视频 demo 详见文中。

代码地址：https://pjreddie.com/yolo/.

图 1：我们从 Focal Loss 论文 [7] 中采用了这张图。YOLOv3 在实现相同准确度下要显著地比其它检测方法快。时间都是在采用 M40 或 Titan X 等相同 GPU 下测量的。

图 2：带有维度先验和定位预测的边界框。我们边界框的宽和高以作为离聚类中心的位移，并使用 Sigmoid 函数预测边界框相对于滤波器应用位置的中心坐标。

表 1：Darknet-53 网络架构。

表 2：主干架构的性能对比：准确率（top-1 误差、top-5 误差）、运算次数（/十亿）、每秒浮点数运算次数（/十亿），以及 FPS 值。

表 3：该表来自 [7]。从中看出，YOLOv3 表现得不错。RetinaNet 需要大约 3.8 倍的时间来处理一张图像，YOLOv3 相比 SSD 变体要好得多，并在 AP_50 指标上和当前最佳模型有得一拼。

图 3：也是借用了 [7] 中的图，展示了以.5 IOU 指标的速度/准确率权衡过程（mAP vs 推断时间）。从图中可以看出 YOLOv3 准确率高，速度也快。

最后，机器之心也尝试使用预训练的 YOLOv3 执行目标检测，在推断中，模型需要花 1s 左右载入模型与权重，而后面的预测与图像本身的像素大小有非常大的关系。因此，吃瓜小编真的感觉 YOLOv3 很快哦。

论文：YOLOv3: An Incremental Improvement

论文链接：https://pjreddie.com/media/files/papers/YOLOv3.pdf

摘要：

我们在本文中提出 YOLO 的最新版本 YOLOv3。我们对 YOLO 加入了许多设计细节的变化，以提升其性能。这个新模型相对更大但准确率更高。不用担心，它依然非常快。对于 320x320 的图像，YOLOv3 可以达到 22ms 的检测速度，获得 28.2mAP 的性能，与 SSD 的准确率相当但是速度快 3 倍。当我们使用旧版.5 IOU mAP 检测指标时，YOLOv3 是非常不错的。它在一块 TitanX 上以 51ms 的速度达到了 57.9 AP_50 的性能，而用 RetinaNet 则以 198ms 的速度获得 57.5 AP_50 的性能，性能相近但快了 3 倍。

本文为机器之心编译，

转载请联系本公众号获得授权

?------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：editor@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com