Python影像辨識筆記(十一)：YOLOv4論文閱讀筆記

YOLOv4屬於One-Stage的Object Detection演算法。一般來說，AP(Average Precision)會比Two-Stage(如：R-CNN、Fast R-CNN、Faster R-CNN....系列)低，但相對的FPS的表現會比較好一些。

然而，在YOLOv4的演算法當中，YOLOv4除了FPS優於Two-Stage外，甚至都超越了Two-Stage的演算法。

以論文摘要中的Performance說明為例：

目前在Tesla V100的GPU上，使用MS COCO資料集，已經達到了接近65 FPS的表現，而且還有著43.5% AP (65.7% AP50)，已經完全超過R-CNN家族了。

或許在未來不斷優化下，Two-Stage有被消失的可能。

論文連結

YOLOv4: Optimal Speed and Accuracy of Object Detection

由於原作者因為一些因素，不再繼續維護darknet的關係，改由俄羅斯的AlexeyAB接續維護。

值得一提的是：在這次的論文當中，三位作者中有兩位是台灣中研院資訊科學研究所的研究人員。

別人寫的筆記

炸了！吊打一切的 YOLOv4 重磅来袭！

一张图梳理YOLOv4论文