[Object Tracking Robot]Study 내용 정리 (3) - YOLOv4 tiny

2021.5.25 17:16

 

안녕하세요

프로그래밍을 배우는 빛나는 샤트입니다.

 

 

자율주행 프로젝트 We-Go

진행하면서 공부한 내용들을 간략히 정리한 글입니다.

 

 

1. 주제: YOLO v4 tiny 이해하기

 

2. 링크 모음

2-1.YOLOv4 & YOLOv4 tiny 설명- https://medium.com/analytics-vidhya/yolov4-vs-yolov4-tiny-97932b6ec8ec

YOLOv4 VS YOLOv4-tiny

2-2. roboflow - https://models.roboflow.com/object-detection/yolov4-tiny-darknet

YOLOv4-tiny Darknet Object Detection Model

2-3. Train YOLOv4 tiny custom data - https://blog.roboflow.com/train-yolov4-tiny-on-custom-data-lighting-fast-detection/

Train YOLOv4-tiny on Custom Data - Lightning Fast Object Detection

 

3. 내용 정리

3-1. YOLO란?

- 'You Only Look Once'라는 의미로 Objcet Detection를 한 번만 보고 알아낼 수 있다는 의미에서 만들어짐.

- 실시간 객체 인식(real-time object detection system)에서 매우 좋은 성능을 보임.

- 특히 단일 프레임(single frame)내에서 복수의 객체(multiple objects)를 인식할 수 있다.

- 이전 모델과 다른 점: 전체 이미지에 대해 single 신경망을 적용했다.(인식 속도가 빠르다)

- 아이디어: 입력 이미지를 SxS grid로 나눔, 각 grid cell은 객체가 grid cell 중앙에 있는지 예측.

- single network를 사용하기 때문에 R-CNN의 1000배 빠르고, Fast R-CNN의 100배 빠르다!

 

3-2. YOLOv4

- 개선된 4번째 버전이라고 보면 된다.

- YOLOv3보다 AP(Average Precision)은 10% 향상, FPS(Frames Per Second)는 12% 향상.

- CSPDarknet53을 backbone으로 사용.

- spatial pyramid pooling, PANet path-aggregation neck, YOLOv3 head 사용.

- MS COCO dataset을 활용한 실시간 object detection test 결과 45.3% AP 달성(~65FPS)

 

 

3-3. YOLOv4 tiny

- YOLOv4 모델을 압축한 버전.

- 구조를 간단하게 파라미터를 감소시킴.(모바일, 임베디드 장치에서 사용 가능)

 

 

3-4. YOLOv4 VS YOLOv4 tiny

	pre-trained conv layer	FPS	accuracy
YOLOv4	137	8x	2/3
YOLOv4 tiny	29	1x(기준)	1(기준)

- YOLOv4 tiny는 RTX2080Ti 환경에서 443FPS 달성(22.0% AP)

*batch size=4, FP16-precision --> 1774FPS 달성

 

--> 실시간 객체 탐지에서 YOLOv4 tiny 모델은 좋은 선택이 될 수 있다. 하지만 정확도가 속도보다 중요하다면 YOLOv4를 더 고려해야 한다.

 

 

3-5. 결과

- Object Tracking 모바일 로봇 구현에 있어서 Detector을 YOLOv4 tiny를 사용해볼 예정.