YOLO Nano: Очень компактная сеть для обнаружения объектов, которую можно использовать только один раз
Обнаружение объектов, одно из самых передовых приложений компьютерного зрения, вызывает все больший интерес со стороны исследовательского сообщества. Глубокое обучение, особенно использование глубоких сверточных нейронных сетей, является движущей силой его последних достижений. Обнаружение объектов требует точности модели, что требует большого количества сложного обучения. Такие модели, как R-CNN и другие улучшенные версии, повысили эффективность в этой области. Но затем пришли YOLO и победили R-CNN и все его варианты.
Обычные модели обнаружения объектов продемонстрировали самые современные характеристики. Но это очень сложно или невозможно по другим причинам развернуть на периферийных и мобильных устройствах из-за вычислительных ограничений и ограничений памяти. Например, более быстрый R-CNN имеет скорость вывода при низкой однозначной частоте кадров на встроенных процессорах.
Важно решить проблему обнаружения встроенных объектов за счет разработки высокоэффективных архитектур моделей, которые больше подходят для периферийных и мобильных устройств.
YOLO Nano для обнаружения объектов
В связи с растущим интересом к проектированию и разработке улучшенных средств обнаружения объектов, особенно для мобильных технологий, исследователи представили YOLO Nano, очень компактную глубокую CNN для задач обнаружения объектов. Чтобы это произошло, они использовали стратегию совместного проектирования человек-машина, которая включает принципиальное прототипирование дизайна сети и исследование дизайна с помощью машин. YOLO Nano имеет размер модели ~ 4,0 МБ и требует 4,57 млрд операций для вывода, при этом по набору данных VOC 2007 достигается значение mAP ~ 69,1%.
Возможное использование и эффекты
Исследователи изучили размер, точность и вычислительные затраты модели YOLO Nano на наборах данных PASCAL VOC. Из этого документа результаты демонстрируют эффективность YOLO Nano для встроенных сценариев в отношении скорости вывода и энергоэффективности.
Я думаю, что YOLO - большой шаг к созданию надежных систем, в которых требуется локальная встроенная обработка данных, таких как видеонаблюдение, Интернет вещей, беспилотные летательные аппараты, автономное вождение и многое другое.
