YOLOv5 對決 Faster RCNN，誰贏誰輸？
重磅干貨，第一時間送達
撇開所有爭議不談，YOLOv5 看起來是一個“很有前途”的模型。因此，我將它與 Faster RCNN 進行了比較，F(xiàn)aster RCNN 是最好的 two stage 檢測器之一。為了進行比較，我選取了三段背景不同的視頻，并將這兩個模型并排運行。我的評估包括對結果質量和推理速度的觀察結果。那么，讓我們言歸正傳。
YOLOv5 的實現(xiàn)是在 PyTorch 中完成的，與之前基于 DarkNet 框架的開發(fā)形成了鮮明的對比。這使得該模型的理解、訓練和部署變得更加容易（目前暫時沒有使用 YOLO-v5 的論文發(fā)表）。以我的理解來看，在架構上，它和 YOLO-v4 很相似。一個不同之處可能是使用了 Cross Stage Partial Network（CSP）來降低計算成本。目前尚不清楚 YOLOv5 的運行速度是否比 YOLO-v4 更快，但我更喜歡 PyTorch 的實現(xiàn)，而且讓驚訝的是，使用這個模型進行訓練是如此的容易。就我個人經驗而言，通過它進行推理的體驗也是如此。
這次發(fā)布的 YOLOv5 包括五種不同尺寸的模型：YOLOv5s（最小）、YOLOv5m、YOLOv5l、YOLOv5x（最大）。這些模型的推理速度和平均精度均值（mean average precision，mAP）如下圖所示：
第一步就是克隆 YOLO-v5 的 repo，并安裝所有的依賴要求。我使用的是 PyTorch 1.5，代碼可以正常工作，沒有任何問題。
你可以按照以下方法下載不同預訓練 COCO 模型的所有權重：
bash weights/download_weights.sh
要對視頻進行推理，就必須將傳遞給視頻的路徑以及要使用的模型的權重。如果沒有設置權重參數(shù)，那么在默認情況下，代碼在 YOLO 小模型上運行。我使用的示例參數(shù)如下所示。
python detect.py --source video/MOT20-01-raw-cut1.mp4 --output video_out/ --weights weights/yolov5s.pt --conf-thres 0.4
輸出視頻將保存在輸出文件夾中。
對于 Faster RCNN 模型，我使用了 TensorFlow Object Detection 中的預訓練模型。TensorFlow Object Detection 共享 COCO 預訓練的 Faster RCNN，用于各種主干。對于這個博客，我使用了 Faster RCNN ResNet 50 主干。這個 repo 分享了一個很不錯的教程，介紹如何使用他們的預訓練模型進行推理。
考慮到對自動駕駛行業(yè)的重要性，我選擇的第一個場景是街道駕駛場景。這兩個模型的結果分別如下：
YOLOv5 模型評估駕駛視頻
Faster RCNN 評估駕駛視頻
YOLO 模型似乎更善于檢測較小的目標，在這種情況下是紅綠燈，并且還能夠在當汽車距離較遠（即在透視上看起來較小）將其進行標記。
YOLOv5s 的運行速度（端到端包括讀取視頻、運行模型和將結果保存到文件）為 52.8 FPS。
而 Faser RCNN ResNet 50 的運行速度（端到端包括讀取視頻、運行模型和將結果保存到文件）為 21.7 FPS。
以上結果是在 NVIDIA 1080 Ti 上進行評估的。
到目前為止，YOLOv5 看上去比 Faster RCNN 更好一些。
YOLOv5 與 Faster RCNN 的比較（1）
下一段視頻是 YouTube 的籃球比賽視頻。兩個模型的結果如下所示：
YOLOv5 評估籃球比賽視頻
Faster RCNN ResNet 50 評估籃球比賽視頻
Faster RCNN 模型在 60% 的閾值下運行，可以說它是用“Person”標簽對人群進行標記，但我個人更喜歡 YOLO，因為它的結果干凈整潔。不過，這兩種模型在視頻右下角的 abc（美國廣播公司）徽標上都存在假正類誤報。
我也很失望，雖然運動球也是 COCO 的類別之一，但這兩個模型都沒有檢測到籃球。它們現(xiàn)在的統(tǒng)計情況如下：
YOLOv5 與 Faster RCNN 的比較 （2）
在最后一段視頻中，我從 MOT 數(shù)據(jù)集中選擇了一個室內擁擠的場景。這是一段很有挑戰(zhàn)性的視頻，因為光線不足，距離遙遠，人群密集。這兩個模型的結果如下所示：
YOLOv5 模型在來自 MOT 數(shù)據(jù)集中的室內擁擠場景進行測試
Faster RCNN 模型在來自 MOT 數(shù)據(jù)集中的室內擁擠場景進行測試
這一次的測試很有趣。我想說的是，當人們走進走廊的時候，這兩種模型都很難檢測到遠處的人。這可能是由于光線較弱和目標較小所致。當人群靠近攝像機方向時，這兩種模型都能對重疊的人進行標記。
YOLOv5 與 Faster RCNN 的比較（3）
最后對比兩種模型可以看出，YOLOv5 在運行速度上有明顯優(yōu)勢。小型 YOLOv5 模型運行速度加快了約 2.5 倍，同時在檢測較小的目標時具有更好的性能。結果也更干凈，幾乎沒有重疊的邊框。Ultralytics 在他們的 YOLOv5 上做得非常出色，并開源了一個易于訓練和運行推理的模型。
該博文還顯示了計算機視覺目標檢測的一個新興趨勢，即朝既快又準確的模型發(fā)展。
原文鏈接：
https://towardsdatascience.com/yolov5-compared-to-faster-rcnn-who-wins-a771cd6c9fb4
轉自：AI前線
下載1：OpenCV黑魔法
在「AI算法與圖像處理」公眾號后臺回復：OpenCV黑魔法，即可下載小編精心編寫整理的計算機視覺趣味實戰(zhàn)教程
下載2 CVPR2020
在「AI算法與圖像處理」公眾號后臺回復：CVPR2020，即可下載1467篇CVPR 2020論文 個人微信（如果沒有備注不拉群！） 請注明：地區(qū)+學校/企業(yè)+研究方向+昵稱
覺得有趣就點亮在看吧
