YOLO-LITE:专门面向CPU的实时目标检测

(欢迎关注“我爱计算机视觉”公众号,一个有价值有深度的公众号~)

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

目标检测交流群:

扫码添加52CV君拉你入群(请务必注明:目标检测):

喜欢在QQ交流的童鞋,可以加52CV官方QQ群:928997753。

(不会时时在线,如果没能及时通过验证还请见谅)

(欢迎关注“我爱计算机视觉”公众号,一个有价值有深度的公众号~)

转载请注明:《YOLO-LITE:专门面向CPU的实时目标检测

发表评论

电子邮件地址不会被公开。 必填项已用*标注