YOLOX
论文： YOLOX: Exceeding YOLO Series in 2021
Github：https://github.com/Megvii-BaseDetection/YOLOX
face++作品，2021
论文提出了YOLOX，其超越了YOLOV1-V5系列，并且取得了 Streaming Perception Challenge 第一名的成绩（速度，精度都看）。YOLOX基于YOLOV3进行改进，采用了 YOLOv3-SPP基础结构。采用 BCE Loss训练cls和obj， IoU Loss训练reg。并且提出了6个改进策略。
- 解耦头部预测分支（Decoupled head）
- 数据增强（Strong data augmentation）
- 无anchor（Anchor-free）
- 多个正样本（Multi positives）
- 简单的样本匹配方法Simplified OTA（SimOTA）
- 无需NMS（End-to-end YOLO）
解耦头部预测分支（Decoupled head）
论文发现，将分类和回归使用一个分支会影响模型的表达能力。当使用一个预测头部分支的时候，会使得精度降低4.2%，当使用2个预测分支的时候，精度只降低0.8%。因此，论文提出了Decoupled head，先使用1*1卷积，先将p3,p4,p5这3个分支的通道数都降低为256，然后再次基础上，分别使用2个3*3卷积引出2个预测分支。当然这样做会使得速度略微增加，从原来的10.5 ms变化为11.6 ms 。
通过实际训练还会发现，使用Decoupled head可以使得训练收敛加速，同时训练精度更高。
数据增强（Strong data augmentation）
使用了马赛克（Mosaic）和混合图像（MixUp）的数据增强思路。最早是从 u版本的yolov3（ultralytics-YOLOv3）中提出，后续被应用在了yolov4，yolov5中。
无anchor（Anchor-free）
基于anchor的检测方法，需要进行anchor的聚类（Anchor Clustering , Grid Sensitive）。而基于anchor free则不需要考虑这些，同时，后处理也比较方便，省去了将大量预测结果从gpu向cpu传递的过程，以及cpu端后续的nms等繁琐操作。
多个正样本（Multi positives）
单独只使用中心点进行边框的预测，会忽略其他高质量的预测结果。因此使用中心点为中心的3*3区域的点进行正样本的预测，也就是9个点进行正样本的预测。这就是FCOS中使用的中心采样策略（center Sampling）。基于该策略精度提升到了45%，超越了u版的yolov3。
简单的样本匹配方法Simplified OTA（SimOTA）
label assignment策略是目标检测中的一个重要问题。OTA选择的原则主要下面4点。
- 梯度敏感（loss/quality aware）
基于网络自身的预测来计算 anchor box 或者 anchor point 与 gt 的匹配关系，充分考虑到了不同结构/复杂度的模型可能会有不同行为，是一种真正的 dynamic 样本匹配。而 loss aware 后续也被发现对于 DeTR 和 DeFCN 这类端到端检测器至关重要。与之相对的，基于 IoU 阈值 /in Grid(YOLOv1)/in Box or Center(FCOS) 都属于依赖人为定义的几何先验做样本匹配，目前来看都属于次优方案。
2.中心优先（center prior）
考虑到感受野的问题，以及大部分场景下，目标的质心都与目标的几何中心有一定的联系，将正样本限定在目标中心的一定区域内做 loss/quality aware 样本匹配能很好地解决收敛不稳定的问题。
3.动态anchor匹配策略（dynamic number of positive anchors for each ground-truth）
我们不可能为同一场景下的西瓜和蚂蚁分配同样的正样本数，如果真是那样，那要么蚂蚁有很多低质量的正样本，要么西瓜仅仅只有一两个正样本。Dynamic k 的关键在于如何确定k，有些方法通过其他方式间接实现了动态 k ，比如 ATSS、PAA ，甚至 RetinaNet ，同时，k的估计依然可以是 prediction aware 的，我们具体的做法是首先计算每个目标最接近的10个预测，然后把这个 10 个预测与 gt 的 iou 加起来求得最终的k，很简单有效，对 10 这个数字也不是很敏感，在 5~15 调整几乎没有影响。
4.全局视野（Global view）
有些 anchor box/point 处于正样本之间的交界处、或者正负样本之间的交界处，这类 anchor box/point 的正负划分，甚至若为正，该是谁的正样本，都应充分考虑全局信息。
论文没有像原始的OTA那样进行动态匹配，寻找最优匹配解，因为这样做相对复杂，同时增加了20~25 %的训练时间消耗。论文提出了简单的动态top-k策略（SimOTA），该方法只取最接近的top-k个预测作为正样本，其余都作为副样本，取得了和OTA同样的效果。
无需NMS（End-to-end YOLO）
在YOLOX上实现端到端，还需要额外增加2个卷积操作，会带来性能的损失，同时对于精度也有一定微小损失。因此，论文将nms-free作为一个备选选项。
实验结果：
参考链接：
如何评价旷视开源的YOLOX，效果超过YOLOv5? - 知乎