YOLOv4团队开源最新力作！1774fps、COCO最高精度，分别适合高低端GPU的YOLO

2020 年 11 月 18 日 AI科技评论

本文是YOLOv4的原班人马（包含CSPNet一作与YOLOv4一作AB大神）在YOLO系列的继续扩展，从影响模型扩展的几个不同因素出发，提出了两种分别适合于低端GPU和高端GPU的YOLO。

该文所提出的YOLO-large在MSCOCO取得前所未有的精度(已公开的研究成果中最佳)，且可以保持实时推理；所提出的YOLO-tiny在RTX 2080Ti显卡上结合TensorRT+FP16等技术，可以达到惊人的1774FPS@batch=4.

论文标题：Scaled-YOLOv4:Scaling Cross Stage Partial Network
论文链接：https://arxiv.org/2011.08036
开源代码：https://github.com/WongKinYiu/ScaledYOLOv4

介绍

本文提出一种“网路扩展(Network Scaling)”方法，它不仅针对深度、宽度、分辨率进行调整，同时调整网络结果，作者将这种方法称之为Scaled-YOLOv4。

由此得到的YOLOv4-Large取得了SOTA结果：在MS-COCO数据集上取得了55.4%AP(73.3% AP50)，推理速度为15fps@Tesla V100；在添加TTA后，该模型达到了55.8%AP(73.2%AP50)。截止目前，在所有公开论文中，YOLOv-Large在COCO数据集上取得最佳指标。

由此得到的YOLOv4-tiny取得了22.0%AP(42.0%AP50)，推理速度为443fps@TRX 2080Ti；经由TensorRT加速以及FP16推理，batchsize=4时其推理速度可达1774fps。

本文的主要贡献包含以下几点：

设计了一种强有力的“网络扩展”方法用于提升小模型的性能，可以同时平衡计算复杂度与内存占用；
设计了一种简单而有效的策略用于扩展大目标检测器；
分析了模型扩展因子之间的相关性并基于最优划分进行模型扩展；
通过实验证实：FPN structure is inherently a once-for-all structure
基于前述分析设计了两种高效模型：YOLOv4-tiny与YOLOv4-Large。

模型扩展

模型扩展原则

在这部分内容里面，我们将讨论一下模型扩展的一些准则。

从三个方面展开介绍：

(1) 量化因子的分析与设计；

(2) 低端GPU上tiny目标检测器的量化因子；

(3) 高端GPU上目标检测器的量化因子设计分析。

模型扩展通用原则

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

上面给出了模型扩展所需要考虑的一些因素。接下来，我们将分析几种不同的CNN模型(ResNet, ResNeXt, DarkNet)并尝试理解其相对于输入大小、层数、通道数等的定量损失。

对于包含k层b个通道的CNN而言，ResNet的计算量为：

ResNeXt的为：

DarkNet的为：

假设用于调整图像大小、层数以及通道数的因子分别为

，其调整对应的FLOPs变化见下表，可以看到：它们与FLOPs提升的关系分别是 square, linear, square 。

CSPNet可以应用与不同的CNN架构中，且可以降低参数量与计算量，同时还可以提升精度与降低推理耗时。

下表给出了CSPNet应用到ResNet，ResNeXt与DarkNet时的FLOPs变化，可以看到：新的架构可以极大的降低计算量，ResNet降低23.5%，ResNeXt降低46.7%，DarkNet降低50.0%。

因此CSP-ized是适合模型扩张的最佳模型。

为低端设备扩展Tiny Model

对于低端设备而言，模型的推理速度不仅受计算量、模型大小影响，更重要的是，外部设备的硬件资源同样需要考虑。因此，当进行tiny模型扩展时，我们必须考虑带宽、MACs、DRAM等因素。为将上述因素纳入考量范围，其设计原则需要包含西面几个原则：

让计算复杂度少于 .

相比大模型，轻量型模型的不同之处在于：参数利用率更高(保采用更少的计算量获得更高的精度)。

当进行模型扩展时，我们期望计算复杂度要尽可能的低。下表给出了两种可以高效利用参数的模型对比。

对于通用CNN来说，之间的性见上表（）。因此，DenseNet的计算复杂度为 ,OSANet的计算复杂度为。

两者的计算复杂度阶段都比ResNet( )的更低。在这里作者选用了OSANet作为tiny模型的选型。

最小化/平衡特征图大小

为获得最佳的推理速度-精度均衡，作者提出了一个新的概念用于在CPSOSANet计算模块之间进行梯度截断。如果把CSPNet设计思想用到DenseNet或者R二十Net架构中，由于第层的输出是到的集成融合，我们必须把完整的计算模块当做一个整体来看待。由于OSANet的计算模块属于PlainNet架构的范畴，这就使得CSPNet的任一层都可以得到有效的梯度截断。

我们采用这个特征重组b个通道以及计算模块中的kg通道，将其以相同的通道数划分到两个分支，见下表。当通道数为 时，最佳的划分方式为均等划分 。事实上，我们还要考虑硬件的带宽因素，此时的最佳划分则表示为。该文提出的CSPOSANet可以动态的调整通道分配。

卷积后保持相同数量的channels

对于低端设备的计算复杂度评估，我们还需要考虑功耗，而影响功耗的最大因素当属MAC(memory access cost)。通常来说，卷积的MAC计算方式如下：

其中

分别表示特征图的高、宽输入与输出通道数、卷积核尺寸。从上式可以得出：当

时，MAC最小。

最小化卷积输入/输出(CIO)

CIO是一个用来评价DRAM的IO状态的度量准则，下表给出了OSA，CSP的CIO对比。

当时，本文所提出的CSPOSANet具有最佳CIO。

为高端GPU扩展大模型

由于我们期望提升扩张CNN模型的精度，同时保持实时推理速度，这就要求我们需要从目标检测器的所有扩展因子中寻找最佳组合。

通常而言，我们可以调整目标检测器的输入、骨干网络以及neck的尺度因子，潜在的尺度因子见下表：

图像分类与目标检测的最大区别在于：前者仅需要对图像中的最大成分进行分类，而后者则需要预测图像中每个目标的位置。

在单阶段目标检测器中，每个位置的特征向量用于预测类别、目标的大小，而目标大小的预测则依赖于特征向量的感受野。在CNN中，与感受野最相关的当属stage，而FPN结构告诉我们：更高的阶段更适合预测大目标。

上表汇总了与感受野相关因素，可以看到：宽度扩展不会影响感受野。当输入图像分辨率提升后，为保持感受野不变，那么就需要提升depth或者stage。

也就是说： depth和stage具有最大的影响。因此，当进行向上扩增时，我们需要在输入分辨率、stage方面进行扩增以满足实时性，然后再进行depth和width的扩增。

Scaled-YOLOv4

接下来，我们将尝试把YOLOv4扩展到不同的GPU(包含低端和高端GPU)。

CSP-ized YOLOv4

YOLOv4是一种针对通用GPU设计的实时目标检测方案。在这里，作者对YOLOv4进行重新设计得到YOLOv4-CSP以获取最佳的速度-精度均衡。

Backbone

在CSPDarknet53的设计中，跨阶段的下采样卷积计算量并未包含在残差模块中。因此，作者推断：每个CSPDarknet阶段的计算量为。从该推断出发，CSPDarknet比DarkNet具有更好的计算量优势(k>1)。

CSPDarkNet53每个阶段的残差数量分别为1-2-8-8-4。

为得到更好的速度-精度均衡，作者将首个CSP阶段转换为原始的DarkNet残差层。

Neck

更有效的降低参数量，作者将PAN架构引入到YOLOv4中。PAN架构的处理流程见下图a，它主要集成了来自不同特征金字塔的特征。改进后的处理流程见下图b，它还同时引入了ChannelSplitting机制。这种新的处理方式可以节省40%计算量。

SPP

原始的SPP模块位于Neck中间部分，作者同样将SPP插入到CSPPAN中间位置，见上图b。

YOLOv4-tiny

YOLOv4是专为低端GPU而设计的一种架构，其计算模块见下图。在这里，作者采用CSPOSANet+PCB架构构成了YOLOv4的骨干部分。

在计算模块中，

。通过计算，作者推断得到k=3，其对应的计算单元示意图见上图。至于YOLOv4-tiny的通道数信息，作者延续了YOLOv3-tiny的设计。

YOLOv4-large

YOLOv4-large是专为云端GPU而设计的一种架构，主要目的在于获得更好的目标检测精度。作者基于前述分析设计了一个全尺寸的YOLOv4-P5并扩展得到了YOLOv4-P6和YOLOv4-P7。

其对应的网络结构示意图见下图：

作者通过实验发现：YOLOv4-P6(宽度缩放因子1)可以达到30fps的实时处理性能；YOLOv4-P7(宽度缩放因子1.25)可以达到15fps的处理速度。

实验

作者在MSCOCO-2017数据集上验证了所提Scaled-YOLOv4的性能，作者提到并未采用ImageNet进行预训练，所有YOLOv4模型均从头开始训练。

YOLOv4-tiny的训练了600epoch；YOLOv4CSP训练了300epoch；YOLOv4-large先训练了300epoch，然后采用更强的数据增广技术训练了150epoch。其他训练相关的超参作者采用k-mean与遗传算法决定。

在CSP-ized模型上的消融研究

作者首先针对CSP-ized模型进行了消融实验分析，结果见下表。作者从参数量、计算量、处理流程以及平均精度方面进行了CSP-ization的影响性分析。

作者采用Darknet53作为骨干网络，选择FPN+SPP与PAN+SPP作为neck进行消融分析。

作者同时还采用了LeakyReLU与Mish进行对比分析：

从上表可以看到：CSP-ized模型可以极大的降低参数量与计算量达32%，同时带来性能上的提升；同时还可以看到：CD53s-CFPNSPP-Mish、CD53s-CPANSPP-Leaky与D53-FPNSPP-Leaky相同的推理速度，但具有更高的指标（分别搞1%和1.6%AP），且具有更低的计算量。

在YOLOv4-tiny上的消融研究

接下来，我们将通过实验来证实：CSPNet+partial的灵活性。

作者将其与CSP-Darknet53进行了对比，结果见下表：

从上表可以看到：所设计的PCB技术可以使模型更具灵活性，因为它可以更具实际需要进行结构调整。同时也证实：线性缩放方式的局限性。

作者最终选择COSA-2x2x作为YOLOv4-tiny，因其取得最佳的精度-速度均衡。

目标检测的Scaled-YOLOv4

上图给出了本文所提Scaled-YOLOv4与其他SOTA目标检测方法的对比，可以看到：所提方法在不同约束下均取得了最佳的均衡。比如，YOLOv4-CSP与EfficientDet-D3具有相同的精度，但具有更开的推理速度(1.9倍)；YOLOv4-P5与EfficientDet-D5具有相同的精度，推理速度则快2.9倍。

类似现象可见：YOLOv4-P6 vs EfficientDet-D7， YOLOv4-P7 vs EfficientDet-D7x。更重要的是：所有Scaled-YOLOv4均达到了SOTA结果。

与此同时，作者还给出了添加TTA后的YOLOv4-large性能，可以看到分别可以得到1.1%，0.6%与0.4%AP的指标提升。