YOLOv4-Large取得了SOTA的结果:在MS-COCO数据集上取得了55.4%AP(73.3% AP50),推理速度为15 FPS@Tesla V100;在添加TTA后,该模型达到了55.8%AP...(73.2%AP50)。...而由此得到的YOLOv4-tiny取得了22.0%AP(42.0%AP50),推理速度为443fps@TRX 2080Ti;经由TensorRT加速以及FP16推理,batchsize=4时其推理速度可达
在 Titan X上,它能在 51 ms 内达到 57.9 AP50,相比较而言,RetinaNet 在 198 ms 内达到 57.5 AP50,性能相似但速度快了 3.8 倍。
提出的基线模型在MS COCO2017数据集中可以达到50.6%的AP50:95和69.8%的AP50准确度,在VisDrone2019 DET数据集可以达到26.4%的AP50:95和44.8%的AP50
其速度(FPS)、精度(MS COCO AP50…95和AP50)均超过了其他目标检测器。 作者总结道,YOLOv4 主要带来了 3 点新贡献: 提出了一种高效而强大的目标检测模型。
实现效果 1)其开发的YOLOv4-large 在COCO数据集达到SOTA精度: 55.4% AP(73.3% AP50) 并以以15 fps 在 Tesla V100运行, 而如果加上测试阶段数据增强方法后...,YOLOv4-large 达到 55.8% AP (73.2 AP50)....2)另外其 YOLOv4-tiny模型在COCO数据集达到 22.0% AP (42.0% AP50) , ∼443 FPS 在 RTX 2080Ti运行, 当使用 TensorRT做推理, batch
即,AP50=mAP50AP50=mAP50AP^{50}=mAP^{50},AP75=mAP75AP75=mAP75AP^{75}=mAP^{75},以此类推。
随着R的增大,AP也从18.6%提高到19.8%,AP50从35.5%提高到37.2%,MFLOPs也从127下降到409。经过权衡决定将R设为3。...CSL-YOLO在416×416的输入尺度下,所提出的CSL-YOLO使用3.2M参数和1470 MFLOPs获得42.8%的AP50,而Tiny-YOLOv4使用6.1M参数和3450 MFLOPs获得...40.2%的AP50。
除非另有说明,实验都使用mAP(AP50:95)度量来评估结果。 实验结果讨论: TableBank: 实验提供了对不同比例的标签数据的表库数据集的所有分割的实验结果。...它表明,在10%标记数据时,TableBank-both数据集的AP50值最高,为95.8%,TableBank-latex为93.5%,TableBank-word有92.5%。...在这里,10%、30%和50%的标记数据的AP50值分别为98.5%、98.8%和98.8% 此外,半监督网络在10%的标记的PubLayNet数据集上,在不同的IoU阈值上进行训练。
在Titan X上,它在51 ms内达到57.9 AP50,而RetinaNet达到57.5 AP50需要198 ms,性能相似,但速度提升3.8倍。...当时,以mAP的“旧”检测指标比较时,当IOU = 0.5(或表中的AP50)时,YOLOv3非常强大。它的性能几乎与RetinaNet相当,并且远高于SSD的变体。...当用AP50指标表示精确度和速度时(见图3),可以看到YOLOv3与其他检测系统相比具有显着的优势。也就是说,YOLOv3更快、而且更好。 ?
在AP50时,性能提升不太稳定,而在AP75时,则能大幅提升1.7%~2.3%,这说明IoU-aware能有效地提高定位的准确率。...实验结果有以下几点: 当$\alpha=1$(即仅用分类置信度)时,AP提升0.2%,这说明multi-task训练对模型是有作用的 当$\alpha=0.5$和$\alpha=0.4$时,AP达到最高,AP50
YOLOv4的速度(FPS)、精度(MS COCO AP50…95和AP50)均超过了其他目标检测器。
本文的基线模型在MS COCO2017数据集中可以达到50.6% AP50:95和69.8% AP50的精度,在VisDrone2019 DET数据集中达到26.4% AP50:95、44.8% AP50
关于COCO,我们在样本1、2、3、5、10和30下报告基础/新类AP、AP50和AP75。 在PASCAL VOC中,我们报告了3个不同的基础/新类在1、2、3、5和10分下的AP50。...表4显示,corpn的新型AP50在很大程度上优于原始集成。 这表明,纯粹的冗余不会导致改进,这证实了我们的损失条款加强了多样性和合作。...除了AP50之外,我们报告了在微调期间假阴性前景框的平均数量(“avg# FN”),以及非最大抑制(NMS)之后的前景样本的平均数量(“avg# FG”)。...这个数字情节基本AP50(第一阶段)和小说AP50帕斯卡VOC小说分裂1和3,1。 请注意,RPN的最佳数量在不同的分割(以及假设的数据集)上是不同的。
在Titan X上,它在51 ms内实现了57.9的AP50,与RetinaNet在198 ms内的57.5 AP50相当,性能相似但速度快3.8倍。...实现速度与精度的最优平衡 在MS COCO 数据集 实现 43.5% AP (65.7% AP50 ), 速度也更快了,在Tesla V100 GPU上 ∼65 FPS! ?
YOLOv4-large模型达到了最先进的结果: 在Tesla V100上以15 FPS的速度,MS COCO数据集的AP为55.4%(AP50为73.3%),而随着测试时间的增加,YOLOv4-large...的模型达到了55.8% AP(73.2 AP50)。...YOLOv4-tiny模型在RTX 2080Ti上以443 FPS的速度实现了22.0%的AP(42.0%AP50),而使用TensorRT,批处理大小= 4和FP16精度,YOLOv4-tiny的模型实现了
经过测试在MS COCO数据集上使用Tesla V100 GPU实时处理速度达到65FPS,精度为43.5%AP(65.7%AP50)。
在图像corruption基准上,采用我们方法的模型在Pascal-C上获得了15-25% AP50的相对鲁棒性提高,在COCO-C和cityscape - c上获得了5-6% AP的相对鲁棒性提高。...在跨域基准上,我们的方法在Comic数据集上比最佳基准性能高出8% AP50,在水彩数据集上高出4%。
对于单个模块,本地关系模块在AP50和AP75评估中均表现最佳。出人意料的是,尽管补丁关系模块对图像之间更复杂的关系进行建模,但其性能比其他关系模块差。我们认为,复杂的关系模块使模型难以学习。...在AP50和AP75评估中,注意力RPN的模型始终表现出比常规RPN更好的性能。...在AP50 / AP75评估中,注意力RPN在1-way 1-shot训练策略中产生0.9%/ 2.0%的收益,在2-way 5-shot训练策略中产生2.0%/ 2.1%的收益。
例如,AP50度量由IoU高于阈值0.5目标的AP。检测器的最终性能通常通过多个IoU阈值的平均精度(mAP)来评估。 3.2 α-IoU Losses 普通IoU损失定义为 。...理论上,当α=2时, , ,它加速了在AP50时对所有正向IoU目标的学习。然而,实证研究表明,在大多数情况下,α =3的α-IoU损失比α=2的α-IoU损失更具竞争力。...从AP50到AP95获得了越来越多的相对改善,累积到mAP75:95中更显著的改善。 请注意,α-IoU损失在所有噪声场景下也优于AP50的Baseline,当Box是干净的时并不总是这样(表1)。
领取专属 10元无门槛券
手把手带您无忧上云