摘要
该文章主要是对YOLO系列进行了构建了一种新的高性能检测器YOLOX。本文将YOLO检测器调整为了Anchor-Free形式并集成了其他先进检测技术(decoupled head、label assignment SimOTA)取得了SOTA性能。
论文地址：YOLOX: Exceeding YOLO Series in 2021
方法
文章选择了YOLOv3、Darknet53作为出发点，对模型进行了改进。基线模型采用了DarkNet53骨干+SPP层(YOLOv3-SPP)。
Decoupled head(预测分支解耦)
图1
文章发现耦合检测头可能会损害性能。共有两点改进：
①将预测分支解耦极大的改善收敛速度。
②相比较于非解耦的端到端方式，解耦能带来4.2%AP提升。
如图1，yolov3中，针对coco80类的检测任务，每一个anchor会对应产生h _w_85维度的预测结果，其中cls（区分是前景背景）占用1个通道，reg（坐标）占用4个通道，obj（预测是80类中的哪一个类）占用80个通道。
而YOLOX首先使用1 _1卷积将原本不同channel数的特征图先统一到256（主要目的是降维），然后使用两个平行分支，两个分别两个使用3_3卷积，同时regression分支里还添加了IoU分支。
; 数据增强
文章添加了Mosaic与Mixup两种数据增广以提升YOLOX的性能，但在最后15epochs时关闭（笔者认为最后15轮关闭的原因可能是怕数据增强过度）。
MixUp用在目标检测中大概的方式是：两张图以一定的比例对rgb值进行混合，同时需要模型预测出原本两张图中所有的目标。
同时文章发现使用强大的数据增强后，ImageNet预训练模型无益，所有后续模型都是随机初始化权重，从头开始训练。
Anchor-free
anchor机制存在诸多问题：
(1) 为获得最优检测性能，需要在训练之前进行聚类分析以确定最佳anchor集合，这些anchor集合存在数据相关性，泛化性能较差；
(2) anchor机制提升了检测头的复杂度。
因此文章将从原有一个特征图预测3组anchor减少成只预测1组，直接预测4个值（左上角xy坐标和box高宽）。减少了参数量和GFLOPs，使速度更快，且表现更好。
Multi positives
将中心3*3区域都认为是正样本。
SimOTA
在目标检测中，有时候经常会出现一些模棱两可的anchor，如图2，即某一个anchor，按照正样本匹配规则，会匹配到两个gt，而retinanet这样基于IoU分配是会把anchor分配给IoU最大的gt，而OTA作者认为，将模糊的anchor分配给任何gt或背景都会对其他gt的梯度造成不利影响，因此，对模糊anchor样本的分配是特殊的，除了局部视图之外还需要其他信息。因此，更好的分配策略应该摆脱对每个gt对象进行最优分配的惯例，而转向全局最优的思想，换句话说，为图像中的所有gt对象找到全局的高置信度分配。
图2
; 实验
测试其他不同尺寸的骨干网络。仅需非常少的额外的推理耗时，所提方法取得了3.0%~1.0%的性能提升。
收缩模型得到YOLOX-Tiny以便于与YOLOv4-Tiny对比。YOLOX在非常小的模型尺寸方面表现仍然非常优异。
在所有实验中，让所有模型保持几乎相同的学习率机制和优化参数。可以发现：合适的增广策略会随模型大小而变化，MixUp可以帮助YOLOX-L取得0.9%AP指标提升，但会弱化YOLOX-Nano的性能。因此当训练小模型时，移除MixUp，并弱化Mosaic增广，模型性能可以从24.0%提升到25.3%。而对于大模型则采用默认配置。
与其他SOTA检测器的性能对比。相比YOLOv3、YOLOv4、YOLOv5系列，所提YOLOX取得了最佳性能，同时具有极具竞争力的推理速度。
Original: https://blog.csdn.net/dawnyi_yang/article/details/121889103
Author: 与光i
Title: YOLOX: Exceeding YOLO Series in 2021
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/686560/
转载文章受原作者版权保护。转载请注明原作者出处！