要約
畳み込みニューラルネットワーク（CNN）の精度を向上させるために多くの特徴量が提案されている。こうした特徴量の組み合わせを大規模データセット上で実用的に検証し、その結果を理論的に裏付けることが求められている。一部の特徴量は特定のモデルや特定の問題、あるいは小規模なデータセットにのみ適用可能である一方で、バッチ正規化（batch-normalization）やリジッド接続（residual-connections）といった特徴量は、多数のモデル、タスク、データセットに普遍的に適用可能である。本研究では、Weighted-Residual-Connections（WRC）、Cross-Stage-Partial-connections（CSP）、Cross mini-Batch Normalization（CmBN）、Self-adversarial-training（SAT）、Mish活性化関数（Mish-activation）といった普遍的な特徴量を含むものと仮定する。本研究では、WRC、CSP、CmBN、SAT、Mish活性化関数、Mosaicデータ拡張、CmBN（再掲）、DropBlock正則化、CIoU損失といった新規特徴量を導入し、それらの一部を組み合わせることで、Tesla V100上で約65 FPSのリアルタイム速度でMS COCOデータセットにおいて43.5% AP（AP50: 65.7%）という最先端の性能を達成した。ソースコードは以下のURLで公開されている：https://github.com/AlexeyAB/darknet