本文介绍 震惊!YoloV4还没有退热,YoloV5已经发布!

震惊!YoloV4还没有退热,YoloV5已经发布!

This article was original written by Jin Tian, welcome re-post, first come with https://jinfagang.github.io . but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu

来自俄罗斯的大佬刚刚发布了YoloV4的论文,以及基于darknet的完美实现,在我们还没有对YoloV4的各种骚操作,丰富的实验对比所展示出的惊叹之情退温时,YoloV5它就已经发布了!而且来源是我们熟悉的U版Yolo,来自于https://www.ultralytics.com

严格意义来说,这次Ultralytics放出的YoloV5,仍就是yolov4的实现版本(或许会有改进),只不过是完全用Pyotorch实现了。并且支持转ONNX以及CoreML等。

img

来自U版YoloV5官方的更新表示:

  • 2020年5月27日:公开发布回购协议。 yolov3-spp(此仓库)是所有已知yolo实现中的SOTA,yolov5系列将在2020年Q2 / Q3进行架构研究和开发以提高性能。更新可能包括yolov4的CSP瓶颈,以及PANet或BiFPN头部功能。
  • 2020年5月24日:培训yolov5s / x和yolov3-spp。 yolov5m / l早期过拟合,并且还编码了137个docker早期终止代码,原因不明。由于过早拟合,yolov5l的性能不如yolov3-spp,原因不明。
  • 2020年4月1日:开始开发基于100%pytorch缩放比例的yolov3 / 4的未来模型,包括小,中,大和超大尺寸,统称为yolov5。模型将由新的基于yaml的用户友好配置文件定义,以便于构建和修改。数据集将同样使用yaml配置文件。新的训练平台将更易于使用,更难破解,并且对于训练更多种类的自定义数据集将更加强大。

YoloV5看起来在COCO上的AP已经超越了大部分的检测器:

Model APval APtest AP50 LatencyGPU FPSGPU params FLOPs
YOLOv5-s (ckpt) 33.1 33.0 53.3 3.3ms 303 7.0B 14.0
YOLOv5-m (ckpt) 41.5 41.5 61.5 5.5ms 182 25.2B 50.2
YOLOv5-l (ckpt) 44.2 44.5 64.3 9.7ms 103 61.8B 123.1
YOLOv5-x (ckpt) 47.1 47.2 66.7 15.8ms 63 123.1B 245.7
YOLOv3-SPP (ckpt) 45.5 45.4 65.2 8.9ms 112 63.0B 118.0

当然,我们还是继续期待Ultralytics继续精进YoloV5,让这个算法达到一个更高的AP。

Github网址:https://github.com/ultralytics/yolov5