本文是YOLOv4的原班人馬（包含CSPNet一作與YOLOv4一作AB大神）在YOLO系列的繼續(xù)擴展，從影響模型擴展的幾個不同因素出發(fā)，提出了兩種分別適合于低端GPU和高端GPU的YOLO。該文所提出的YOLO-large在MSCOCO取得前所未有的精度(已公開的研究成果中最佳)，且可以保持實時推理；所提出的YOLO-tiny在RTX 2080Ti顯卡上結合TensorRT+FP16等技術，可以達到驚人的1774FPS@batch=4.

論文標題：Scaled-YOLOv4:Scaling Cross Stage Partial Network
鏈接：https://arxiv.org/2011.08036
代碼:?https://github.com/WongKinYiu/ScaledYOLOv4

YOLOv4-CSP: https://github.com/WongKinYiu/ScaledYOLOv4/tree/yolov4-csp
YOLOv4-tiny: https://github.com/WongKinYiu/ScaledYOLOv4/tree/yolov4-tiny
YOLOv4-large: https://github.com/WongKinYiu/ScaledYOLOv4/tree/yolov4-large

本文首發(fā)自極市平臺，作者@Happy，轉載需獲授權。

Abstract

該文提出一種“網路擴展(Network Scaling)”方法，它不僅針對深度、寬度、分辨率進行調整，同時調整網絡結果，作者將這種方法稱之為Scaled-YOLOv4。

由此得到的YOLOv4-Large取得了SOTA結果：在MS-COCO數(shù)據集上取得了55.4%AP(73.3% AP50)，推理速度為15fps@Tesla V100；在添加TTA后，該模型達到了55.8%AP(73.2%AP50)。截止目前，在所有公開論文中，YOLOv-Large在COCO數(shù)據集上取得最佳指標。而由此得到的YOLOv4-tiny取得了22.0%AP(42.0%AP50)，推理速度為443fps@TRX 2080Ti；經由TensorRT加速以及FP16推理，batchsize=4時其推理速度可達1774fps。

該文的主要貢獻包含以下幾點：

• 設計了一種強有力的“網絡擴展”方法用于提升小模型的性能，可以同時平衡計算復雜度與內存占用；

• 設計了一種簡單而有效的策略用于擴展大目標檢測器；

• 分析了模型擴展因子之間的相關性并基于最優(yōu)劃分進行模型擴展；

• 通過實驗證實：FPN structure is inherently a once-for-all structure

• 基于前述分析設計了兩種高效模型：YOLOv4-tiny與YOLOv4-Large。

Principles of model scaling

在這部分內容里面，我們將討論一下模型擴展的一些準則。從三個方面展開介紹：(1) 量化因子的分析與設計；(2) 低端GPU上tiny目標檢測器的量化因子；(3) 高端GPU上目標檢測器的量化因子設計分析。

General principle of model scaling

When the scale is up/down, the lower/higher the quantitative cost we want to increase/decrease, the better. ?----author

上面給出了模型擴展所需要考慮的一些因素。接下來，我們將分析幾種不同的CNN模型(ResNet, ResNeXt, DarkNet)并嘗試理解其相對于輸入大小、層數(shù)、通道數(shù)等的定量損失。

對于包含k層b個通道的CNN而言，ResNet的計算量為：

ResNeXt的是：

DarkNet的是：

假設用于調整圖像大小、層數(shù)以及通道數(shù)的因子分別為??,β,??，其調整對應的FLOPs變化見下表，可以看到：它們與FLOPs提升的關系分別是square, linear, square。

CSPNet可以應用與不同的CNN架構中，且可以降低參數(shù)量與計算量，同時還可以提升精度與降低推理耗時。下表給出了CSPNet應用到ResNet，ResNeXt與DarkNet時的FLOPs變化，可以看到：新的架構可以極大的降低計算量，ResNet降低23.5%，ResNeXt降低46.7%，DarkNet降低50.0%。因此CSP-ized是適合模型擴張的最佳模型。

Scaling Tiny Models for Low-End Devices

對于低端設備而言，模型的推理速度不僅受計算量、模型大小影響，更重要的是，外部設備的硬件資源同樣需要考慮。因此，當進行tiny模型擴展時，我們必須考慮帶寬、MACs、DRAM等因素。為將上述因素納入考量范圍，其設計原則需要包含西面幾個原則：

• Make the order of computation less than O(whkb).

相比大模型，輕量型模型的不同之處在于：參數(shù)利用率更高(保采用更少的計算量獲得更高的精度)。當進行模型擴展時，我們期望計算復雜度要盡可能的低。下表給出了兩種可以高效利用參數(shù)的模型對比。

對于通用CNN來說，g,b,k之間的性見上表（k<<g<b）。因此，DenseNet的計算復雜度為O(whgbk),OSANet的計算復雜度為O(max(whbg,whkg2))。兩者的計算復雜度階段都比ResNet(O(whkb2))的更低。在這里作者選用了OSANet作為tiny模型的選型。

• Minimize/balance size of feature map.

• Maintain the same number of channels after convolution

對于低端設備的計算復雜度評估，我們還需要考慮功耗，而影響功耗的最大因素當屬MAC(memory access cost)。通常來說，卷積的MAC計算方式如下：

• Minimize Convolutional Input/Output(CIO)

CIO是一個用來評價DRAM的IO狀態(tài)的度量準則，下表給出了OSA，CSP的CIO對比。當kg>b/2時，本文所提出的CSPOSANet具有最佳CIO。

Scaling Large Models for High-End GPUS

由于我們期望提升擴張CNN模型的精度，同時保持實時推理速度，這就要求我們需要從目標檢測器的所有擴展因子中尋找最佳組合。通常而言，我們可以調整目標檢測器的輸入、骨干網絡以及neck的尺度因子，潛在的尺度因子見下表。

圖像分類與目標檢測的最大區(qū)別在于：前者僅需要對圖像中的最大成分進行分類，而后者則需要預測圖像中每個目標的位置。在單階段目標檢測器中，每個位置的特征向量用于預測類別、目標的大小，而目標大小的預測則依賴于特征向量的感受野。在CNN中，與感受野最相關的當屬stage，而FPN結構告訴我們：更高的階段更適合預測大目標。

上表匯總了與感受野相關因素，可以看到：寬度擴展不會影響感受野。當輸入圖像分辨率提升后，為保持感受野不變，那么就需要提升depth或者stage。也及時說：depth和stage具有最大的影響。因此，當進行向上擴增時，我們需要在輸入分辨率、stage方面進行擴增以滿足實時性，然后再進行depth和width的擴增。

Scaled-YOLOv4

接下來，我們將嘗試把YOLOv4擴展到不同的GPU(包含低端和高端GPU)。

CSP-ized YOLOv4

YOLOv4是一種針對通用GPU設計的實時目標檢測方案。在這里，作者對YOLOv4進行重新設計得到YOLOv4-CSP以獲取最佳的速度-精度均衡。

Backbone

在CSPDarknet53的設計中，跨階段的下采樣卷積計算量并未包含在殘差模塊中。因此，作者推斷：每個CSPDarknet階段的計算量為

從該推斷出發(fā)，CSPDarknet比DarkNet具有更好的計算量優(yōu)勢(k>1)。CSPDarkNet53每個階段的殘差數(shù)量分別為1-2-8-8-4。為得到更好的速度-精度均衡，作者將首個CSP階段轉換為原始的DarkNet殘差層。

Neck

更有效的降低參數(shù)量，作者將PAN架構引入到YOLOv4中。PAN架構的處理流程見下圖a，它主要集成了來自不同特征金字塔的特征。改進后的處理流程見下圖b，它還同時引入了ChannelSplitting機制。這種新的處理方式可以節(jié)省40%計算量。

SPP

原始的SPP模塊位于Neck中間部分，作者同樣將SPP插入到CSPPAN中間位置，見上圖b。

YOLOv4-tiny

YOLOv4是專為低端GPU而設計的一種架構，其計算模塊見下圖。在這里，作者采用CSPOSANet+PCB架構構成了YOLOv4的骨干部分。

在計算模塊中，g=b/2，b/2+kg=2b。通過計算，作者推斷得到k=3，其對應的計算單元示意圖見上圖。至于YOLOv4-tiny的通道數(shù)信息，作者延續(xù)了YOLOv3-tiny的設計。

YOLOv4-large

YOLOv4-large是專為云端GPU而設計的一種架構，主要目的在于獲得更好的目標檢測精度。作者基于前述分析設計了一個全尺寸的YOLOv4-P5并擴展得到了YOLOv4-P6和YOLOv4-P7。其對應的網絡結構示意圖見下圖。

作者通過實驗發(fā)現(xiàn)：YOLOv4-P6(寬度縮放因子1)可以達到30fps的實時處理性能；YOLOv4-P7(寬度縮放因子1.25)可以達到15fps的處理速度。

Experiments

作者在MSCOCO-2017數(shù)據集上驗證了所提Scaled-YOLOv4的性能，作者提到并未采用ImageNet進行預訓練，所有YOLOv4模型均從頭開始訓練。YOLOv4-tiny的訓練了600epoch；YOLOv4CSP訓練了300epoch；YOLOv4-large先訓練了300epoch，然后采用更強的數(shù)據增廣技術訓練了150epoch。其他訓練相關的超參作者采用k-mean與遺傳算法決定。

Ablation study on CSP-ized model

作者首先針對CSP-ized模型進行了消融實驗分析，結果見下表。作者從參數(shù)量、計算量、處理流程以及平均精度方面進行了CSP-ization的影響性分析。作者采用Darknet53作為骨干網絡，選擇FPN+SPP與PAN+SPP作為neck進行消融分析。作者同時還采用了LeakyReLU與Mish進行對比分析。

從上表可以看到：CSP-ized模型可以極大的降低參數(shù)量與計算量達32%，同時帶來性能上的提升；同時還可以看到：CD53s-CFPNSPP-Mish、CD53s-CPANSPP-Leaky與D53-FPNSPP-Leaky相同的推理速度，但具有更高的指標（分別搞1%和1.6%AP），且具有更低的計算量。

Ablation study on YOLOv4-tiny

接下來，我們將通過實驗來證實：CSPNet+partial的靈活性。作者將其與CSP-Darknet53進行了對比，結果見下表。

從上表可以看到：所設計的PCB技術可以使模型更具靈活性，因為它可以更具實際需要進行結構調整。同時也證實：線性縮放方式的局限性。作者最終選擇COSA-2x2x作為YOLOv4-tiny，因其取得最佳的精度-速度均衡。

Scaled-YOLOv4 for object detection

上圖給出了本文所提Scaled-YOLOv4與其他SOTA目標檢測方法的對比，可以看到：所提方法在不同約束下均取得了最佳的均衡。比如，YOLOv4-CSP與EfficientDet-D3具有相同的精度，但具有更開的推理速度(1.9倍)；YOLOv4-P5與EfficientDet-D5具有相同的精度，推理速度則快2.9倍。類似現(xiàn)象可見：YOLOv4-P6 vs EfficientDet-D7， YOLOv4-P7 vs EfficientDet-D7x。更重要的是：所有Scaled-YOLOv4均達到了SOTA結果。

與此同時，作者還給出了添加TTA后的YOLOv4-large性能，可以看到分別可以得到1.1%，0.6%與0.4%AP的指標提升。

作者還對比了YOLOv4-tiny與其他tiny目標檢測器的性能對比，見下表。可以看到：YOLOv4-tiny取得了最佳的性能。

最后，作者在不同的嵌入式GPU上測試了YOLOv4-tiny的性能，見下圖。可以看到：無論哪種硬件平臺下，YOLOv4-tiny均可以達到實時性。經過TensorRT FP16優(yōu)化后的YOLOv40tiny最高可以達到1774fps的推理速度。

YOLO系列相關文章

1. YOLOv1: https://arxiv.org/abs/1506.026402. YOLO9000:https://arxiv.org/abs/1612.082423. YOLOv3: https://arxiv.org/abs/1804.027674. YOLO-Lite: https://arxiv.org/abs/1811.055885. Gaussian YOLOv3: https://arxiv.org/1904.046206. REQ-YOLO: https://arxiv.org/abs/1909.133967. xYOLO: https://arxiv.org/abs/1910.031598. YOLO-Nano: https://arxiv.org/abs/1910.012719. CSPNet：https://arxiv.org/abs/1911.1192910. YOLOv4: https://arxiv.org/abs/2004.1093411. Poly-YOLO: https://arxiv.org/abs/2005.1324312. PP-YOLO: https://arxiv.org/abs/2007.12099