YOLOv4, Nisan ayının sonunda piyasaya sürüldü. Kısa sürede makine öğrenimi topluluğu arasında popülerlik kazandı. Bunu aşağıdaki bağlantı ile inceleyebilirsiniz.
- YOLO v4 makalesi：https://arxiv.org/abs/2004.10934
- YOLO v4 kodu：https://github.com/AlexeyAB/darknet
YOLOv3 ile karşılaştırıldığında, YOLOv4’ün AP’si %10 artarken, FPS’si %12 artmıştır. Ancak Jetson Nano, YOLOv4’ü kaldırabilir mi? Eğer Jetson Nano’da gerçek zamanlı nesne tespiti yapmak için YOLOv3’ü (darknet versiyonu) denediyseniz, özellikle darknet versiyonunu kullanarak, ne demek istediğimi biliyorsunuzdur. Genellikle, Jetson sadece yaklaşık 1 FPS civarında tespit yapabilir.
Ancak YOLOv4 ile Jetson Nano, tespiti 2 FPS’den fazla bir hızda gerçekleştirebiliyor.
YOLOv4, YOLOv3’ten yaklaşık %50 daha fazla olan 167 katmanlı bir sinir ağı çalıştırmasına rağmen, 2 FPS hala çok düşük. Şimdi bunu PyTorch ile hızlandırmayı deneyelim.
Aşağıdaki komutu çalıştırın
1 2 3 4 5 |
git clone https://github.com/ultralytics/yolov3 && cd yolov3 #yolov4 önceden eğitilmiş ağırlıkları indirin wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights #darknet cfg/ağırlıkları pytorch modeline dönüştürün python3 -c "from models import *; convert('cfg/yolov4.cfg', 'yolov4.weights')" |
Başarılı olduğunda, aşağıdaki komutu kullanarak YOLOv4 PyTorch modelini çalıştırabilirsiniz
1 |
python3 detect.py --cfg cfg/yolov4.cfg --weights weights/yolov4.pt --source 0 |
Doğruluk artırılmış olsa da, FPS hala tatmin edici değil. Ama neyse ki, artık YOLOv5 mevcut. YOLOv5 hakkında daha fazla bilgi için lütfen bir sonraki bloguma göz atın.