【论文解读】​YOLOX: Exceeding YOLO Series in 2021

导读

旷视团队对YOLO系列的再一次超越。

论文链接：后台发送“yolox”获取论文链接。

1. YOLOX

1.1 YOLOX-DarkNet53

YOLOv3 baseline 以Darknet53作为Baseline，给大家介绍如何一步一步过渡到现在的YOLOX-DarkNet53。YOLOv3是以Darknet53为主干，后面再加上SPP。我们对训练策略进行了一些修改，增加了EMA weights updating，余弦学习率，IoU损失，以及IoU-aware分支，在训练分类和objectness的分支中，我们使用了BCE loss。在数据增强方面，我们只使用了水平翻转，颜色抖动和多尺度。

Decoupled head 在目标检测中，分类和回归的任务是有相互冲突的，这是个普遍认可的问题。因此，一般会将分类和回归分开2个分支，但是在YOLO系列中，仍然是没有分开的。这里，我们将耦合的检测头分开，变为2个相互独立的检测分支。具体如下图：

Strong data augmentation 在数据增强中，我们使用了Mosaic和Mix up的增强策略，使用了这些增强策略之后，我发现预训练模型已经没有必要了，因此后面所有的训练都是从头训练的。

Anchor-free 将YOLO转换为anchor free其实很简单，我们将每个空间位置的输出由3减少到1，直接输出4个值，即左上角点的两个偏差值，以及宽和高。对于每个目标，其中心点位置所在的区域即为正样本，并预先定义一个尺度范围，将每个目标分配到不同的FPN层上。

Multi positives 上面提到的anchor free的正样本选择策略，对于每个目标只选择了1个正样本，这样会忽略掉其他的高质量的预测，使用这些高质量的预测对于梯度是有好处的，而且样本的不均衡性也会减少一些。这里，我们简单的使用了中心点3x3的区域，都作为正样本。

SimOTA 对于标签的分配，我们总结了4个关键点：1）损失/质量相关性 2）中心优先 3）每个GT的正样本anchor点的动态数量 4）全局视角。我们使用OTA作为候选的标签匹配策略。然后对OTA进行了修改，提出了SimOTA。首先，计算每个prediction-gt对的匹配度，用损失和质量来表示，这里，在SimOTA中，使用损失来表示：

其中，λ是平衡系数，然后，对于一个gt，用gi来表示，我们选择在一个固定的中心区域内，topk个具有最小的cost的预测来作为正样本，最后，这些正样本所在的grid也被分配为正样本，其他的grid是负样本，注意，对于不同的gt，k是不一样的。

End-to-end YOLO 我们增加了2个额外的卷积层，进行一对一的标签分配，不需要梯度。这使得检测器可以端到端的运行，这个略微降低了性能和速度。所以作为可选项。

具体的各种修改的效果如下：

1.2 其他的backbone

我们还测试了其他的主干。

Modified CSPNet in YOLOv5

Tiny and Nano detectors

Model size and data augmentation

2. 和其他的SOTA的对比

—END—