本文已参与「新人创作礼」活动，一起开启掘金创作之路
PP-YOLO: An Effective and Efficient Implementation of Object Detector
Submitted on 23 Jul 2020 (v1), last revised 3 Aug 2020 (this version, v3)
摘要
目标检测是计算机视觉研究的重要领域之一，在各种实际场景中起着至关重要的作用。在实际应用中，由于硬件的限制，往往需要牺牲准确性来保证检测器的推断速度。因此，必须考虑目标检测器的有效性和效率之间的平衡。本文的目标不是提出一种新的检测模型，而是实现一种效果和效率相对均衡的对象检测器，可以直接应用于实际应用场景中。考虑到YOLOv3在实际应用中的广泛应用，我们开发了一种新的基于YOLOv3的对象检测器。我们主要尝试结合现有的几乎不增加模型参数和FLOPs的各种技巧，在保证速度几乎不变的情况下，尽可能提高检测器的精度。由于本文所有实验都是基于PaddlePaddle进行的，所以我们称之为PP-YOLO。通过结合多种技巧，PP-YOLO可以在效率(45.2% mAP)和效率(72.9 FPS)之间实现更好的平衡，超过了现有的最先进的检测器，如efficient entdet和YOLOv4。
源代码载于
百度AI Studio项目链接
aistudio.baidu.com/aistudio/pr…
主要贡献
本文介绍了一种基于桨叶的对象检测器的新实现，称为PP-YOLO。PPYOLO比其他最先进的检测器(如efficient entdet和YOLOv4)更快(FPS)和更准确(COCO mAP)。在本文中，我们探索了许多技巧，并展示了如何将这些技巧结合在YOLOv3检测器上，并演示了它们的有效性。希望本文能够帮助开发人员和研究人员节省探索时间，在实际应用中获得更好的性能。
