YoloX大升级：阿里巴巴提出新框架，超越Yolov6和PPYoloE（附源代码）

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

代码地址： https://github. com/alibaba/EasyCV

计算机视觉研究院专栏

作者：Edison_G

最新阿里巴巴研究员，基于自研平台，对YoloX检测框架进行了改进，并且效率更快，超越了Yolov6和PP-YoloE等网络。

01

概述

EasyCV是阿里巴巴开源的基于Pytorch，以自监督学习和Transformer技术为核心的 all-in-one 视觉算法建模工具。EasyCV在阿里巴巴集团内支撑了搜索、淘系、优酷、飞猪等多个BU业务，同时也在阿里云上服务了若干企业客户，通过平台化组件的形式，满足客户自定定制化模型、解决业务问题的需求。

此外，基于PAI团队多年积累的深度学习训练、推理加速技术，在EasyCV中也集成了IO优化，模型训练加速、量化裁剪等功能，在性能上具备自己的优势。基于阿里云的PAI产品生态，用户可以方便地进行模型管理、在线服务部署、大规模离线推理任务。

将YOLO检测器切换为无锚方式，并采用其他先进的检测技术，即解耦头和领先的标签分配策略SimOTA，以在大范围的模型中实现最先进的结果：对于只有0.91M参数和1.08GFLOPs的YOLO Nano，我们在COCO上获得25.3%的AP，超过NanoDet 1.8%的AP；对于工业上使用最广泛的探测器之一YOLOv3，我们在COCO上将其AP提高到47.3%，比当前的最佳做法高出3.0%AP；对于与YOLOv4 CSP、YOLOv5-L参数量大致相同的YOLOX-L，我们在COCO上以68.9 FPS的速度在Tesla V100上实现了50.0%的AP，超过了YOLOv5-L 1.8%的AP。

考虑到EasyCV的一些特性：

• 丰富完善的自监督算法体系：囊括业界有代表性的图像自监督算法SimCLR, MoCO, Swav, Moby, DINO等，以及基于mask图像预训练方法MAE，同时提供了详细的benchmark工具及复现结果。

• 丰富的预训练模型库：提供丰富的预训练模型，在以transformer模型为主的基础上，也包含了主流的CNN 模型, 支持ImageNet预训练和自监督预训练。兼容PytorchImageModels支持更为丰富的视觉Transformer backbone。

• 易用性和可扩展性 ：支持配置方式、API调用方式进行训练、评估、模型导出；框架采用主流的模块化设计，灵活可扩展。

• 高性能 ：支持多机多卡训练和评估，fp16训练加速。针对自监督场景数据量大的特点，利用DALI和TFRecord文件进行IO方面的加速。对接阿里云机器学习PAI平台训练加速、模型推理优化。

研究者基于EasyCV引入了YoloX-PAI，各种实验得出了影响YoloX的元素，并且提供了PAI-Blade，一种简单的实现方式，用于加速基于BladeDISC和TensorRT的推理过程。

02

新框架

主干网络

新框架的主干网络还是引用Yolov6的，也是使用RepVGG-based，一个3x3卷积block代替multi-branch structure，有利于节约推理时间，并且提升了检测结果。

Neck

研究者使用了两种方式来提升Neck的性能，主要为：1）用于特征增强的自适应空间特征融合（ASFF）以及优化版本（ASFF-Sim）；2）GSConv，一种轻量级的卷积块，主要为了降低计算成本。

Head

研究者主要通过注意力机制来增强检测头，借鉴了Transform框架中的机制，主要为了协调物体检测和分类两个分支的任务，上图已经展示了检测头，使用stem模块来加内存通道数，然后有一组类间卷积层来获取类间特征图，然后根据不同任务自适应获取超参数。

PAI-Blade

通过统一的流程在不同框架上自动完成多样化的优化策略

• Performance: 优异的执行性能仍然是我们考虑的最主要问题；没有性能的优化工具，不拥有价值。

• Generality: 广泛的通用性能够适配更多场景，同时提供更多的开发和部署自由。

  • 支持 TensorFlow/PyTorch/ONNX

  • 支持多样的加速硬件，包括 GPU/CPU/DCU 等等

  • 支持不同的加速方案，BladeDISC/TensorRT/TVM/MNN 等等

• Usability and Robustness: 易用性和鲁棒性能够降低用户的学习成本在生产系统中集成的成本。

  • 统一的简洁的 API

  • 最大程度的自动化

  • 轻量的集成负担(仅需要几行代码)

PAI-Blade 和以往其他的工具主要的不同点在于它不仅仅考虑性能，而是更加强调性能、通用性、易用性与鲁棒性的协同设计。

03

实验

© THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

我们开创“计算机视觉协会”知识星球两年有余，也得到很多同学的认可，最近我们又开启了知识星球的运营。我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。

ABOUT

计算机视觉研究院

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

VX：2311123606

往期推荐 

• Yolov7：最新最快的实时检测框架，最详细分析解释（附源代码）

• 打假Yolov7的精度，不是所有的论文都是真实可信
  

• 最新的目标检测的深度架构 | 参数少一半、速度快3倍+（文末福利）
  

• SSD7 | 对嵌入式友好的目标检测网络，产品落地

• 精度提升方法：自适应Tokens的高效视觉Transformer框架（已开源）
  

• ONNX 浅析：如何加速深度学习算法工程化？

• 劲爆！YOLOv6又快又准的目标检测框架开源啦（附源代码下载）

• FastestDet：比yolov5更快！更强！全新设计的超实时Anchor-free目标检测算法（附源代码下载）
  

• 目前精度最高效率最快存储最小的目标检测模型（附源码下载）

• CVPR小目标检测：上下文和注意力机制提升小目标检测（附论文下载）
  

• Yolo系列的高效更精确的目标检测框架（附源代码）