Yolov3、Mobilenet V2和ASFF的比较：ASFF分析

简介：
本文对比了YOLOv3与MobileNet V2模型，并深入探讨了自适应特征融合模块（ASFF）的工作原理及其优势，为读者提供全面的理解。 在本研究中，我们提出了一种新颖的数据驱动策略——自适应空间特征融合（ASFF），用于金字塔特征的融合。该方法通过学习如何过滤掉不一致的空间冲突信息来增强尺度不变性，并且几乎不会增加推理成本。 更新内容如下： - 引入了YOLOX模型。 - 新增MobileNet V2支持。 - 修正先前模型中错误的锚点设置问题，特别是在mobileNet模型上进行了修复。 - 目前不兼容 mobileNet V2 的 rfb、dropblock 和 Feature Adaption 功能。 - 发现 mobileNet 的 FP16 训练存在问题，具体原因尚不清楚。 - 移动Net的FP16测试精度下降了约0.2 mAP。 - 添加了一个 demo.py 文件。