重磅！MobileNet-YOLOv3来了（含三种框架开源代码）

前戏

本文介绍一类开源项目：MobileNet-YOLOv3。其中分享Caffe、Keras和MXNet三家框架实现的开源项目。

看名字，就知道是MobileNet做为YOLOv3的backbone，这类思路家常便饭，好比典型的MobileNet-SSD。固然了，MobileNet-YOLOv3讲真仍是第一次据说。

MobileNet和YOLOv3

MobileNet

MobileNet目前有v1和v2两个版本，毋庸置疑，确定v2版本更强。但本文介绍的项目暂时都是v1版本的，固然后续再加入v2应该不是很难。这里只简单介绍MobileNetv1（非论文解读）。

创新亮点：Depthwise Separable Convolution（深度可分离卷积）

Tricks：宽度因子和分辨率因子

MobileNetv1在ImageNet上的实验结果

MobileNet在计算量，存储空间和准确率方面取得了很是不错的平衡。与VGG16相比，在很小的精度损失状况下，将运算量减少了30倍。

YOLOv3

以前推过几篇关于YOLOv3的文章，你们点击便可看到：

YOLOv3：你必定不能错过

重磅：TensorFlow实现YOLOv3（内含福利）

利用OpenCV玩转YOLOv3

在Titan X上，YOLOv3在51 ms内实现了57.9的AP50，与RetinaNet在198 ms内的57.5 AP50至关，性能类似但速度快3.8倍。

创新亮点：DarkNet-5三、Prediction Across Scales、多标签多分类的逻辑回归层

Tricks：多尺度训练，大量的data augmentation

DarkNet-53网络结构

MobileNetv1在COCO上的实验结果

MobileNet-YOLO

【0】Caffe实现

连接：

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

windows版：

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

安装教程和源码你们直接根据上述网站，自行摸索吧，这里直接看一下实验结果：正常版本和Lite版本在mAP上都强于YOLOv3-Tiny，且参数更少，但不知道速度如何。

【1】Keras实现

连接：

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

该开源项目的Adamdad大佬并无给出实验结果，仍是要respect！

【2】MXNet实现

连接1：

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

连接2：

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

连接3：

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

连接1和2是MXNet官网开源的，连接3是sufeidechabei大佬我的开源的。

申明一下，MXNet这个版本，是在我写这篇文章前20个小时刚刚push的，官网上还查不到实验结果。相信必定很赞，为何呢，你接着往下看。

既然看不到MXNet版本的MobileNet-YOLOv3的实验结果，那咱们看看MXNet版本的YOLOv3在COCO上的实验结果。

你们是否是注意到了，MXNet版本中的YOLOv3比原版darnet版本的YOLOv3检测效果更好。为何呢？由于加了不少tricks，有哪些能够提升mAP的tricks，你们能够看一下今天推的次条文章。

sufeidechabei大佬开源的MobileNet-YOLOv3实验结果：

参考

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