qq_46539177的博客

实时目标检测是计算机视觉中一个非常重要的主题，因为它通常是计算机视觉系统中的必要组件。例如，多目标跟踪[94、93]、自动驾驶[40、18]、机器人技术[35、58]、医学图像分析[34、46]等。执行实时目标检测的计算设备是通常是一些移动CPU或GPU，以及各大厂商开发的各种神经处理单元（NPU）。

YOLO 系列一直是工业应用中最受欢迎的检测框架，因为它在速度和准确性之间取得了出色的平衡。YOLO 系列的开创性工作是 YOLOv1-3 [32-34]，随着后来的实质性改进，它开辟了单级检测器的新道路。YOLOv4 [1] 将检测框架重组为几个独立的部分（主干、颈部和头部），并在当时验证了 bag-of-freebies 和 bag-of-specials 以设计适合在单个 GPU 上训练的框架。

作者提出了一种硬件高效的卷积神经网络架构，它具有类似repvgg的架构。Flops或参数是评估网络效率的传统指标，对包括计算能力和内存带宽在内的硬件不敏感。因此，如何设计一个有效利用硬件计算能力和内存带宽的神经网络是一个关键问题。提出了一种硬件感知神经网络的设计方法。在此基础上，我们设计了具有高计算量硬件(如计算机硬件)的EfficientRep系列卷积网络。图形处理器友好，应用于YOLOv6对象检测框架。

yolo9000，最先进的，实时的目标检测系统，可以检测超过9000个类别。yolov2提出了很多新的改进方法，无论是新的还是在原有的yolov1中汲取的。yolov2使用新颖的，多尺度训练方法，它可以在各种尺寸的图片上运行（yolov1固定图片尺寸448*448），从而在速度与准确度之间平衡。

你只看一次：统一的，实时对象目标检测

随着目标检测的发展，YOLO 系列始终追求实时应用的最佳速度和精度权衡。它们采用了当时可用的最先进的检测技术（例如， 用于 YOLOv2 的锚点框，YOLOv3的残差网络 ）并优化实现以实现最佳实践。目前，YOLOv5在 COCO 上以 13.7 ms 的 48.2% AP 保持最佳权衡性能。尽管如此，在过去的两年中，目标检测学术界的主要进展集中在无锚框检测器、高级标签分配策略和端到端（无 NMS）检测器。

据说有大量功能可以提高卷积神经网络 (CNN) 的准确性。需要在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论证明。某些功能专门针对某些模型和某些问题专门操作，或仅针对小规模数据集；而一些特性，例如批量归一化和残差连接，适用于大多数模型、任务和数据集。我们假设这些通用特征包括加权残差连接 (WRC)、跨阶段部分连接 (CSP)、交叉小批量标准化 (CmBN)、自我对抗训练 (SAT) 和 Mish 激活。

yolov3只是增加了一点小小的改进，虽然模型比yolov2稍微大一点，但是它的准确度增加了。在320x320分辨率图片上，可以在22毫秒的速度上达到28.2的mAP,准确度和SSD相当，但是速度是它的三倍。在Titan X上，它在51毫秒内达到57.9 AP50（0.5IOUmAP），而在RetinaNet上，它在198毫秒内才能达到57.5 AP50，性能相似，但是yolov3的速度快3.8倍。这篇介绍的结尾将为本文的其余部分指明方向。首先，YOLOv3是怎么回事。然后作者是怎么做的。