YOLO-LITE:专门面向CPU的实时目标检测

现在的实时目标检测算法，比如YOLO、SSD在GPU上已经可以跑的很快了，比如YOLOv2可以在GPU上跑到224fps，但在便携式笔记本甚至手机终端，这些算法还不能达到实时。

来自Georgia Institute of Technology、The Cooper Union、UNC Wilmington的研究人员日前发表的一篇文章，旨在解决在CPU上实时的目标检测，甚至其提出的YOLO-LITE 算法在网页上也能接近实时（10fps）。

下图展示了该文提出的算法的测试示例：

下图是现有的一些实时目标检测算法的计算量比较，这些算法都无法在仅有CPU的笔记本上实时。

那如何设计新的算法呢？作者的方法就是在Tiny-YOLOv2上进行各种调整和尝试，包括调整图像大小、层数、加不加BN层。

下图展示了调整得到的不同结构的性能和计算量：

下图是对上面各种调整后算法的解释：

最后选择的Trial3（NB）即是YOLO-LITE。

论文中实验的各种算法MAP和FPS的比较：

下图是YOLO-LITE与原始Tiny-YOLOv2的网络结构比较，主要的变换是，卷积层个数变少了（网络变窄），同时去除了BN层。

下图是YOLO-LITE在COCO上的测试结果，性能下降了不少，但fps达到Tiny-YOLOv2 十倍，SSD MobilenetV1的3.6倍。测试机器是Dell XPS 13笔记本。

作者又把算法移植到了网页中，达到10fps。

论文地址：

https://arxiv.org/abs/1811.05588v1

项目地址：

https://github.com/reu2018dl/yolo-lite