YOLOv3よりmAP
が優れているYOLOv3 SPPについての良い説明は見つかりませんでした。著者自身は、YOLOv3 SPPを次のように述べています。
空間ピラミッドプーリングなどを備えたYOLOv3
しかし、それでも私はそれを本当に理解していません。 yolov3-spp.cfg
では、いくつかの追加があることに気づきました
575 ### SPP ###
576 [maxpool]
577 stride=1
578 size=5
579
580 [route]
581 layers=-2
582
583 [maxpool]
584 stride=1
585 size=9
586
587 [route]
588 layers=-4
589
590 [maxpool]
591 stride=1
592 size=13
593
594 [route]
595 layers=-1,-3,-5,-6
596
597 ### End SPP ###
598
599 [convolutional]
600 batch_normalize=1
601 filters=512
602 size=1
603 stride=1
604 pad=1
605 activation=leaky
誰でもYOLOv3 SPPがどのように機能するかについてさらに説明できますか?レイヤー[-2、-4および-1、-3、-5、-6が[route] layers
で選択されているのはなぜですか?ありがとう。
最後に、何人かの研究者がYoloでのSPPアプリケーションに関する論文を発表しました https://arxiv.org/abs/1903.08589 。
Yolov3-tiny、yolov3、yolov3-sppの違いの場合:
ただし、元のフレームワークでYolov3SPPモデルを使用したPascal VOC 2007テストでは、mAP = 79.6%しか得られませんでした。
しかし、alleyyABのリポジトリを使用することで、yolov3.cfgモデルを使用しても、より高い精度mAP = 82.1%を達成できます https://github.com/AlexeyAB/darknet/issues/ 2557#issuecomment-474187706
そして確かに、Alexeyのリポジトリを使用してyolov3-spp.cfgでさらに高いmAPを達成できます。
元のgithubの質問: https://github.com/AlexeyAB/darknet/issues/2859