【论文】YOLOX： Exceeding YOLO Series in 2021

一、 引言

• 近两年，大多数算法聚焦于anchor-free的检测器、先进的标签分配策略以及端对端（无NMS）的检测。本文旨在通过经验性的改进将这些技术应用在YOLO算法上。
• 以YOLOv3 （YOLOv3-SPP）为起点，进行对比实验

二、 YOLOX

1. 基准模型YOLOv3-DarkNet53

• 与原始设置相比，增加了EMA权重更新，cosine 学习率，IoU损失和IoU-aware 分支。
• 只进行了随机水平翻转、colorJitter，以及多尺度数据增广，去除了RandomResizedCrop。

2. Decoupled head

• 分类和回归任务的矛盾是一直存在的
• 分类和回归耦合的检测对结果的影响：
  • 将YOLO系列的头部解耦，模型收敛更快
  • 解耦头对于端对端的检测非常重要
• 解耦头包括一个用于减少通道数的1×1的卷积层，随后是两个采用了3×3卷积的平行分支

3. 强数据增广

• Mosaic：随机选取四张图片进行组合
• Mixup：将随机的两张样本按比例混合，分类的结果按比例分配

4. Anchor-free

• anchor存在的不足：
  • 为了达到最优的检测性能，需要在训练前进行聚类分析，确定一组最优的锚点，这种聚类的锚点缺乏泛化能力，没有通用性
  • 增加了检测头的复杂性以及每张影像的预测数量
• 将每个位置的预测值有3个降为1个，并使其直接预测四个值，即与左上角的两个偏差值和预测框的宽和高
• 将每个目标的中心点所在位置作为正样本，并预设一个尺度范围

5. Multi positives

• 上述anchor-free模型只选择了中心点位置作为正样本标签，而忽略了其他高质量的预测值
• 本研究将中心3×3的区域作为正样本，类似于FCOS的中心采样

6. SimOTA

• 逐像素分类存在标签分配的问题，多类别交叉的时候容易产生歧义
• 本研究从全局角度出发，根据loss值的变化，采用一对多的方式动态（top-k）的分配标签数量，即最优传输问题（Optimal Transport (OT) ）
• 如果一个anchor从gt中得到足够多的正标签的话，就将其称为正anchor，并将gt逐个与之匹配得到anchor-gt pair
• 实践发现，通过Sinkhorn-Knopp算法来解决OT问题会带来25%的额外训练时间，因此这里将其简化为动态top-k策略，命名为SimOTA，以得到近似解
• 将前k个代价最小的选择作为正样本

7. End-to-end YOLO

• 没有NMS的过程

总结：感觉。。。就是在YOLO系列算法的基础上，采用了一堆常用于优化的tip