【论文阅读】YOLO-X:Exceeding YOLO Series in 2021

题目： YOLOX: Exceeding YOLO Series in 2021
作者： Zheng Ge Songtao Liu Feng Wang Zeming Li Jian Sun

motivation:
作者想把yolo检测器改为anchor-freee的方发进行目标检测。

method:
先上张厉害的图：力压efficientdet.

训练细节：
Baseline：YOLOv3

300epoch的训练长度，其中，前5个epoch使用warmup学习率策略；
优化器使用标配的SGD；
学习率：其中初始学习率 0.01。使用余弦学习率策略；
batch size为128，使用8块GPU
多尺度训练：448-832，不再是以往的320-608了。这应该是追求large input size的涨点。
Backbone就是v3所使用的DarkNet-53。
预测部分加入了IoU-aware分支，这一点应该是和PP-YOLO是对齐的
损失函数：obj分支和cls分支还是使用BCE，reg分支则使用IoU loss；
使用EMA训练技巧；
数据增强仅使用RandomHorizontalFlip、ColorJitter以及多尺度训练，不使用randomResizedCrop，作者认为RandomResizedCrop和Mosaic有点重合了。由于后续会上Mosaic Augmentation，所以这里暂时先不要了。

Decoupled Head:

anchor-free:

YOLOX作者便去掉了anchor box，和FCOS一样，每个grid都只预测一个目标。
去掉了anchor box，也就是去掉了size的先验，故而FPN肯定会出现问题：如何做尺度分配？对于这一问题，YOLOX直接使用FCOS的路子，预先设定一个尺寸范围，根绝每个gt的size来判断应该分配到哪个尺度上去。这个预先设定的size范围，论文里没有给出，就需要我们自己去看源码了，但这个不是实质问题，不影响后续的阅读。
对于一个给定的gt边界框，首先根据它的size确定所匹配的尺度，然后就和YOLOv3一样了，计算它在这个尺度上的中心点位置，计算中心点偏差 ，至于宽高 ，就直接作为回归目标。

Multi positives
在完成了anchor-free化的改进后，我们会发现一个问题，那就是一个gt框只有一个正样本，也就是one-to-one，这个问题所带来的最大阻碍就是训练时间会很长，同时收敛速度很慢。为了缓解这一问题，YOLOX作者便自然想到可以增加正样本的数量，使用one-to-many策略。
很简单，之前只考虑中心点所在的网格，这会改成以中心点所在的网格的3x3邻域，都作为正样本，直观上来看，正样本数量增加至9倍。每个grid都去学到目标中心点的偏移量和宽高，此时，显然这个中心点偏移量不再是01了，这一点细节的变化需要留意一下。

simOTA:
整体代码逻辑：

1、确定正样本候选区域。

2、计算anchor与gt的iou。

3、在候选区域内计算cost。

4、使用iou确定每个gt的dynamic_k。

5、为每个gt取cost排名最小的前dynamic_k个anchor作为正样本，其余为负样本。

6、使用正负样本计算loss。

experiments: