tags: 第 16 屆 iThome 鐵人賽 (2023)

{%hackmd BJrTq20hE %}

YOLO v4 ? 這是什麼?

2020 年在 AI 領域中有不少令人振奮的技術創新，在電腦視覺領域的 YOLO v4 以及自然語言領域的 GPT-3，而 YOLO (You Only Look Once) 為物件偵測 (Object Detection) 的重要技術。

在 2020 年 4 月時就推出了 YOLOv4，總共有三位作者，第一個是來自俄羅斯的 Alexey Bochkovskiy，他曾經參與 YOLO github 的項目維護，而另外兩位則來自台灣，分別是中央研究院資訊所的廖弘源所長與王建堯博士，YOLOv4 在 AI Rewind 2020: A Year of Amazing Papers 榮獲 2020 年度最驚艷的論文之一，簡直是 AI 界的台灣之光。

物件偵測的應用

物件偵測在現實生活中可以解決許多問題，例如

• 瑕疵偵測：製造業常用的瑕疵檢測
• 醫療產業：目前疫情下的口罩偵測和病房的擁擠程度等等
• 人臉偵測：進一步可以發展為人臉辨識，進而實現人臉打卡、罪犯追蹤
• 交通路況偵測：促進智慧交通的發展，像是車流或是人流偵測

為甚麼我們採用YOLO v4?

有YOLO v4 那麼肯定有前面的 v1、2、3麻，那為什麼我要教YOLOv4呢?YOLO (You Only Look Once)是目前輕量化目標檢測網路效果最好的結構之一，經過不同的更新與改進，現在已經到了第八個版本 (v8)。如果你提及了自己正在使用 YOLO 進行一些工作，那麼別人大概會問你 YOLO 的原理是什麼？這個版本與上一版本的差異是什麼？，而為什麼選擇v4是因為YOLOv4排除不被官方承認的v5外，與v7被認為是一種較為經典的預訓練機器學習模型，從此下手會更容易了解背後的原理。

與YOLO v3的差異

【YOLOv3網路架構圖】

【YOLOv4網路架構圖】

• Backbone Darknet53 CSPDarknet53 參數量減少，進而減少運算量，甚至能提高準確率
• Neck FPN PANet + SPP 提升局部特徵和全局特徵的融合，進而豐富最終特徵圖的表達能力

YOLO v3 與 YOLO v4的相同點

• Prediction head 的設計與 v3 相同。
• Backbone 使用的是 CSPDarknet53，是 Darknet53 加入 CSP(Cross-Stage Paitial) 的變形系列。

YOLO v4與v3的效果對比

如果有興趣的可以先到
https://github.com/bubbliiiing/yolov4-pytorch
把模型下載下來預習，我們會在明天做更詳細的介紹

參考網站

https://aiacademy.tw/yolo-v4-intro/

https://u9534056.medium.com/%E7%9B%AE%E6%A8%99%E6%AA%A2%E6%B8%AC-yolo-v1-v5-%E5%85%A8%E7%89%88%E6%9C%AC%E5%B7%AE%E7%95%B0-c648cc5e49f1