论文笔记：YOLOX

论文：

https://arxiv.org/pdf/2107.08430.pdf

参考：

如何评价旷视开源的YOLOX，效果超过YOLOv5? - 知乎

YOLOX深度解析 - 知乎

​​​​​​YOLOX深度解析（二）-simOTA详解 - 知乎

改进点：

各种tricks组合，效果很好

Decoupled head

加快收敛速度、提高AP

Strong data augmentation

add Mosaic and MixUp into our augmentation strategies to boost YOLOX’s per- formance.

Anchor-free

YOLO5还是anchor-based

Multi positives

YOLOv3仅采样中心点的一个正样本，忽略其他高质量样本。

YOLOX将中心3X3的区域都认为是正样本，每个gt从YOLOv3的1个正样本增长到9个正样本。

SimOTA

OTA充分考虑了以下四个因素：

1). loss/quality aware：基于网络自身的预测来计算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). center prior：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). dynamic number of positive anchors for each ground-truth (abbreviated as dynamic top-k)：不同目标设定不同的正样本数量( dynamic k ）

4). 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

但因为有Sinkhorn-Knopp algorithm快速迭代，会导致运算时间长。

simOTA

去掉了 OTA 里的最优方案求解过程，保留上面 4 点的前 3 点。simplify it to dynamic top-k strategy to get an approximate solution.

可以自动分析每个gt需要多少正样本，自动决定每个gt从那些特征图中来

1.确定正样本候选区域

2.计算每个样本对每个GT的Reg+Cls loss

3.使用每个GT的预测样本确定它需要分配到的正样本数

       获取与当前GT的top10 最大IOU的pred结果，sum（top10）=当前GT的dynamic k

4.为每个GT取loss（cost）最小的前dynamic k个样本为正样本，其余为负样本。

5.人工去掉同一个样本被分配到多个GT的正样本情况

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。（和DeTR中使用使用匈牙利算法一对一分配有点类似）