重磅！MobileNet-YOLOv3来了（含三种框架开源代码）

点击上方“ CVer”，选择“置顶公众号”

重磅干货，第一时间送达

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作为YOLOv3的backbone，这类思路屡见不鲜，比如典型的MobileNet-SSD。当然了，MobileNet-YOLOv3讲真还是第一次听说。

MobileNet和YOLOv3

MobileNet

MobileNet目前有v1和v2两个版本，毋庸置疑，肯定v2版本更强。但本文介绍的项目暂时都是v1版本的，当然后续再加入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非常不错的平衡。与VGG16相比，在很小的精度损失情况下，将运算量减小了30倍。

YOLOv3

之前推过几篇关于YOLOv3的文章，大家点击即可看到：

• YOLOv3：你一定不能错过

• 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相当，性能相似但速度快3.8倍。

创新亮点： DarkNet-53、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

链接：

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

windows版：

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

安装教程和源码大家直接根据上述网站，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

链接：

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

该开源项目的Adamdad大佬并没有给出实验结果，还是要respect！

【2】MXNet实现

链接1：

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

链接2：

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

链接3：

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

链接1和2是MXNet官网开源的，链接3是sufeidechabei大佬个人开源的。

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。相信一定很赞，为什么呢，你接着往下看。

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

大家是不是注意到了，MXNet版本中的YOLOv3比原版darnet版本的YOLOv3检测效果更好。 为什么呢？因为加了很多tricks，有哪些可以提高mAP的tricks，大家可以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).