YOLOX: Exceeding YOLO Series in 2021论文阅读

paper：https://arxiv.org/pdf/2107.08430.pdf
code：https://github.com/Megvii-BaseDetection/YOLOX

YOLOv3 baseline

在DarkNet53+SPP的结构基础上(YOLOv3+SPP)：

调整训练策略

• EMA
• 余弦退火
• IoU loss
• IoU-aware分支
• cls和obj使用BCE loss

数据增强

• RandomHorizontalFlip
• ColorJitter
• multi-scale

Improvement

Decouple Head

将检测头的分类与定位解耦，分开。
解耦结构对比图如图2所示。

1. 提升收敛速度，如图3所示
   

2. 解耦对于end-to-end YOLO是有必要的，如表1所示
   
   使用两个并行的3x3的conv分支，在V100上，batchsnze=1：
   解耦的检测头会带来1.1m解的额外推理耗时 (11.6 ms vs 10.5 ms)

Strong data augmentation

• Mosaic
• Mixup
  在训练的最后15个epoch关闭mosaic和mixup；
  且由于使用的更强的数据增强，所有模型都从头开始训练；

Anchor-free

1. anchor-based方法的问题
   • anchor-based方法是domain-specific的，泛化性更差
   • anchor机制会增加检测头的计算量
2. 添加anchor-free
   • 将每个location的预测从3减少到1，直接预测四个值（左上角-宽高）
   • 与FCOS一样，选择目标中心的一个范围的区域为正样本
   • 按照FPN尺度分类样本

这些改进减少了参数和GFLOPs，提高了检测器的速度，且拥有更高的精度，如表2所示

Multi positive

为了和YOLOv3保持标签分配的规则一致，上述的anchor-free改进，每个目标仅仅选择了一个正样本；

和FCOS的center sample一样，选取目标中心点的一个范围作为正样本，3x3的范围，实现了更好的精度，如表2

SimOTA

OTA

1. loss/quality aware
2. center prior
3. 为每个GT选择动态数量的anchors(动态的top k)
4. global view

OTA虽然效果很好，但是使用Sinkhorn-Knopp算法会带来25%额外的训练时间，所以作者提出SimOTA，SimOTA就是OTA的简化版，动态的选择top k策略，得到一个近似解；

SimOTA不仅减少了训练时间，而且避免了OTA中Sinkhorn-Knopp算法额外的超参数；
结果如表2所示

End-to-End YOLO

按照PSS的做法，添加了两个额外的卷积层，one-label-one 标签分配，stop gradient；
由于降低了模型的精度，所以End-to-End YOLO是作为一个可选择的选项；

Other Backbones

YOLOv5

采用了YOLOv5的backbone，激活函数，和neck，相同的模型缩放规则，得到了YOLOX-S，YOLOX-M，YOLOX-L，YOLOX-X模型

Tiny/Nano 检测器

YOLOX的模型size更小精度更高

Model size和data augmentation

• 较小的模型使用更弱的数据增强
• 较大的模型使用更强的数据增强

SOTA比较

版权声明：本文为CSDN博主「Laughing-q」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Q1u1NG/article/details/118939590