前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >YOLO-LITE:专门面向CPU的实时目标检测

YOLO-LITE:专门面向CPU的实时目标检测

作者头像
CV君
发布2019-12-27 16:32:45
1.9K0
发布2019-12-27 16:32:45
举报
文章被收录于专栏:我爱计算机视觉

现在的实时目标检测算法,比如YOLO、SSD在GPU上已经可以跑的很快了,比如YOLOv2可以在GPU上跑到224fps,但在便携式笔记本甚至手机终端,这些算法还不能达到实时。

来自Georgia Institute of Technology、The Cooper Union、UNC Wilmington的研究人员日前发表的一篇文章,旨在解决在CPU上实时的目标检测,甚至其提出的YOLO-LITE 算法在网页上也能接近实时(10fps)。

下图展示了该文提出的算法的测试示例:

下图是现有的一些实时目标检测算法的计算量比较,这些算法都无法在仅有CPU的笔记本上实时。

那如何设计新的算法呢?作者的方法就是在Tiny-YOLOv2上进行各种调整和尝试,包括调整图像大小、层数、加不加BN层。

下图展示了调整得到的不同结构的性能和计算量:

下图是对上面各种调整后算法的解释:

最后选择的Trial3(NB)即是YOLO-LITE。

论文中实验的各种算法MAP和FPS的比较:

下图是YOLO-LITE与原始Tiny-YOLOv2的网络结构比较,主要的变换是,卷积层个数变少了(网络变窄),同时去除了BN层。

下图是YOLO-LITE在COCO上的测试结果,性能下降了不少,但fps达到Tiny-YOLOv2 十倍,SSD MobilenetV1的3.6倍。测试机器是Dell XPS 13笔记本。

作者又把算法移植到了网页中,达到10fps。

论文地址:

https://arxiv.org/abs/1811.05588v1

项目地址:

https://github.com/reu2018dl/yolo-lite

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-11-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 我爱计算机视觉 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档