重磅！MobileNet-YOLOv3來了（含三種框架開源代碼）

前戲

本文介紹一類開源項目：MobileNet-YOLOv3。其中分享Caffe、Keras和MXNet三家框架實現的開源項目。

看名字，就知道是MobileNet做爲YOLOv3的backbone，這類思路家常便飯，好比典型的MobileNet-SSD。固然了，MobileNet-YOLOv3講真仍是第一次據說。

MobileNet和YOLOv3

MobileNet

MobileNet目前有v1和v2兩個版本，毋庸置疑，確定v2版本更強。但本文介紹的項目暫時都是v1版本的，固然後續再加入v2應該不是很難。這裏只簡單介紹MobileNetv1（非論文解讀）。

創新亮點：Depthwise Separable Convolution（深度可分離卷積）

Tricks：寬度因子和分辨率因子

MobileNetv1在ImageNet上的實驗結果

MobileNet在計算量，存儲空間和準確率方面取得了很是不錯的平衡。與VGG16相比，在很小的精度損失狀況下，將運算量減少了30倍。

YOLOv3

以前推過幾篇關於YOLOv3的文章，你們點擊便可看到：

YOLOv3：你必定不能錯過

重磅：TensorFlow實現YOLOv3（內含福利）

利用OpenCV玩轉YOLOv3

在Titan X上，YOLOv3在51 ms內實現了57.9的AP50，與RetinaNet在198 ms內的57.5 AP50至關，性能類似但速度快3.8倍。

創新亮點：DarkNet-5三、Prediction Across Scales、多標籤多分類的邏輯迴歸層

Tricks：多尺度訓練，大量的data augmentation

DarkNet-53網絡結構

MobileNetv1在COCO上的實驗結果

MobileNet-YOLO

【0】Caffe實現

連接：

https://github.com/eric612/MobileNet-YOLO

windows版：

https://github.com/eric612/Caffe-YOLOv3-Windows

安裝教程和源碼你們直接根據上述網站，自行摸索吧，這裏直接看一下實驗結果：正常版本和Lite版本在mAP上都強於YOLOv3-Tiny，且參數更少，但不知道速度如何。

【1】Keras實現

連接：

https://github.com/Adamdad/keras-YOLOv3-mobilenet

該開源項目的Adamdad大佬並無給出實驗結果，仍是要respect！

【2】MXNet實現

連接1：

https://gluon-cv.mxnet.io/model_zoo/detection.html#yolo-v3

連接2：

https://github.com/dmlc/gluon-cv/tree/master/gluoncv/model_zoo/yolo

連接3：

https://github.com/sufeidechabei/gluon-mobilenet-yolov3

連接1和2是MXNet官網開源的，連接3是sufeidechabei大佬我的開源的。

申明一下，MXNet這個版本，是在我寫這篇文章前20個小時剛剛push的，官網上還查不到實驗結果。相信必定很贊，爲何呢，你接着往下看。

既然看不到MXNet版本的MobileNet-YOLOv3的實驗結果，那咱們看看MXNet版本的YOLOv3在COCO上的實驗結果。

你們是否是注意到了，MXNet版本中的YOLOv3比原版darnet版本的YOLOv3檢測效果更好。爲何呢？由於加了不少tricks，有哪些能夠提升mAP的tricks，你們能夠看一下今天推的次條文章。

sufeidechabei大佬開源的MobileNet-YOLOv3實驗結果：

參考

Redmon, Joseph, and Ali Farhadi. 「Yolov3: An incremental improvement.」 arXiv preprint arXiv:1804.02767 (2018).